# Referencia Rápida de pandas

*DataFrames, selección, agregación, unión y más*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrames

### Crear DataFrames

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

### Inspección

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `.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
```