Scribd
Cargar
14 vistas1 página

Tarea 2022

El documento describe una serie de tareas para realizar con un archivo CSV utilizando la biblioteca Pandas en Python. Las tareas incluyen la lectura de datos, manipulación de columnas y filas, filtrado, agrupamiento, y visualización de datos. También se abordan estadísticas descriptivas y el manejo de valores faltantes.

Cargado por

valentina
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
14 vistas1 página

Tarea 2022

El documento describe una serie de tareas para realizar con un archivo CSV utilizando la biblioteca Pandas en Python. Las tareas incluyen la lectura de datos, manipulación de columnas y filas, filtrado, agrupamiento, y visualización de datos. También se abordan estadísticas descriptivas y el manejo de valores faltantes.

Cargado por

valentina
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Escriba un programa Pandas para (siempre imprimí después el resultado):

1. leer el archivo csv “tarea” y mostrar las primeras 5 filas (.head()).


2. leer el archivo csv “tarea” y mostrar las primeras 3 filas (,nrows=3).
3. Imprime el contenido de una columna como serie (tan sólo imprimí la columna entre
corchetes!)
4. crear una nueva serie 'calidad-color' (utilizá corchetes para definir el nombre de la
serie).
5. encontrar el número de filas y columnas (.shape)) y el tipo de datos de cada columna
(.dtypes).
6. resumir sólo las columnas 'objeto' (.describe(include=['object'])).
7. renombrar dos de las columnas (.rename(columns={…). Imprimir antes y después
incluyendo una línea que describa cada una (ej print("Original"))
8. eliminar la segunda y tercer columna (.drop()).
9. eliminar múltiples filas a la vez (usar axis=0 que se refiere a las filas).
10. ordenar la columna `cut’ en orden ascendente ([Link].sort_values). ¿Qué tipo de
objeto es `cut’ usándolo así?
11. ordenar toda la base por 'carat' en orden descendente.
12. filtrar aquellas filas que x>5, y>5 y z>5.
13. filtrar las filas para que sólo muestren `carat’ mayor a 0,4 (usar for x in [Link]:…)
14. filtrar filas que son Premium o Ideal ([Link]() o usar |).
15. calcular summary statistics de `carat’ (.describe).
16. calcular la media de cada columna numérica (.mean()).
17. calcular la media del precio de cada tipo de `cut’ ([Link]().[Link]()).
18. calcular la cantidad, el mínimo y el máximo precio para cada `cut’
(([Link]().[Link]([]))) .
19. mostrar los valores que puede tomar `cut’ (.unique()).
20. contar cuántas veces aparece cada valor de `cut’ (([Link].value_counts()))
21. mostrar los porcentajes de cada valor de `cut’.
22. calcular una tabla de doble entrada con `cut’ y `color’ ([Link])
23. crear un histograma de ‘cut’ (.plot(kind=’hist’)).
24. crear un gráfico de barras de 'cut' .
25. contar el número de missing valies en cada columna (.isnull().sum()).
26. comprobar el número de filas y columnas y eliminarlas si falta algún valor en una fila
(.dropna(how='any')).
27. eliminar una fila si faltan todos los valores ((.dropna(how='all')).
28. mostrar las filas 0, 2, 5 y todas las columnas (.loc[]).
29. mostrar las filas 0 a 2 (inclusive) y las columnas 'color' y 'precio' .
30. mostrar las filas en las que la 'cut' es 'Premium' más la columna 'color'.
31. obtener 5 filas de muestra al azar (.sample()).
32. obtener una muestra del 75% de las filas sin reemplazarlas (.sample(frac=0.75,
random_state=XX))
33. contar las filas duplicadas.

También podría gustarte