DataFrames

Crear DataFrames

import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})

Inspección

df.head(n)	Primeras n filas (por defecto 5)
df.tail(n)	Últimas n filas
df.shape	Tupla (filas, columnas)
df.dtypes	Tipo de dato de cada columna
df.info()	Tipos de columna, conteos no nulos
df.describe()	Estadísticas de columnas numéricas
df.columns	Nombres de columnas como Índice
df.index	Etiquetas de filas

Lectura de Datos

Lectores Comunes

df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)

Escritura de Datos

df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")

Opciones de Lectura

sep=";"	Delimitador personalizado
header=None	Sin fila de encabezado en el archivo
usecols=[0,2]	Leer solo columnas específicas
nrows=100	Leer las primeras 100 filas
na_values=["N/A"]	Tratar como NaN

Selección

Columnas

df["name"]              # columna simple (Series)
df[["name", "age"]]     # múltiples columnas (DataFrame)
df.name                 # acceso por atributo (nombres simples)

Filas con loc / iloc

df.loc[0]              # fila por etiqueta
df.loc[0:2, "name"]    # filas 0-2, columna "name"
df.iloc[0]             # fila por posición
df.iloc[0:2, 0:2]     # primeras 2 filas, 2 cols

loc vs iloc

df.loc[fila, col]	Seleccionar por etiqueta (fin inclusivo)
df.iloc[fila, col]	Seleccionar por posición (fin exclusivo)
df.at[fila, col]	Acceso escalar rápido por etiqueta
df.iat[fila, col]	Acceso escalar rápido por posición

Filtrado

Filtrado Booleano

df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]

Manejo de Datos Faltantes

df.isna().sum()          # conteo de NaN por columna
df.dropna()              # eliminar filas con cualquier NaN
df.fillna(0)             # rellenar NaN con 0
df["col"].fillna(df["col"].mean())

Ordenamiento

df.sort_values("age")                # ascendente
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # múltiple

Agregación

Agregaciones Comunes

df["col"].sum()	Suma de la columna
df["col"].mean()	Media
df["col"].median()	Mediana
df["col"].std()	Desviación estándar
df["col"].min() / .max()	Mínimo / máximo
df["col"].count()	Conteo no nulo
df["col"].nunique()	Número de valores únicos
df["col"].value_counts()	Frecuencia de cada valor

Múltiples Agregaciones

df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # estadísticas resumen de todos los numéricos

GroupBy

Agrupación Básica

df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)

Múltiples Grupos

df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # filas por grupo

Transform y Apply

df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))

Unión (Merging)

Merge (Unión estilo SQL)

pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")

Tipos de Unión

how="inner"	Conservar solo filas coincidentes (predeterminado)
how="left"	Conservar todas las filas izquierdas, NaN donde no hay coincidencia
how="right"	Conservar todas las filas derechas
how="outer"	Conservar todas las filas de ambos lados

Concatenación

pd.concat([df1, df2])             # apilar filas
pd.concat([df1, df2], axis=1)     # uno al lado del otro
pd.concat([df1, df2], ignore_index=True)

Tablas Dinámicas

Tabla Dinámica

df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)

Reorganización

df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")

Tabulación Cruzada

pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # porcentajes por fila

Series de Tiempo

Fundamentos de Fechas

df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()

Rangos de Fechas y Remuestreo

pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()

Atributos del Accessor

.dt.year / .dt.month / .dt.day	Extraer componentes de fecha
.dt.hour / .dt.minute	Extraer componentes de hora
.dt.day_name()	Nombre del día de la semana (lunes, etc.)
.dt.days_in_month	Días en ese mes

Patrones Comunes

Renombrar Columnas

df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # reemplazar todas

Agregar / Modificar Columnas

df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)

Eliminar Columnas / Filas

df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)

Operaciones con Cadenas

df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # primer nombre

REFERENCIA RÁPIDA DE PANDAS