Nombres por tipo
Devolvé un dict tipo → lista de NOMBRES de ese tipo. Pista: df.groupby("tipo")["nombre"].apply(list).
Entrá y llevá tu progreso —ejercicios, medallas y Pokémon— a cualquier dispositivo. 🔄
Si tu cuenta ya tiene progreso guardado, se carga ese al entrar.
Entraste como . Tu progreso se sincroniza solo. 🔄
Devolvé un dict tipo → lista de NOMBRES de ese tipo. Pista: df.groupby("tipo")["nombre"].apply(list).
🎯 Meta: sacar resúmenes por grupo (ej: nivel promedio por tipo) y combinar dos tablas. Acá pandas se vuelve mágico.
Tenés una Pokédex enorme. No querés mirar fila por fila: querés resúmenes. ¿Cuántos hay de cada tipo? ¿Qué tipo tiene el nivel promedio más alto? Para eso está groupby.
import pandas as pd
pokedex = pd.DataFrame({
"nombre": ["Pikachu", "Raichu", "Charizard", "Bulbasaur", "Ivysaur"],
"tipo": ["Eléctrico", "Eléctrico", "Fuego", "Planta", "Planta"],
})
print(pokedex["tipo"].value_counts()) # cuántos de cada tipo
groupby("tipo") arma grupos por tipo; después elegís una columna y una operación.
import pandas as pd
pokedex = pd.DataFrame({
"tipo": ["Eléctrico", "Eléctrico", "Fuego", "Planta", "Planta"],
"nivel": [25, 40, 90, 12, 30],
"hp": [35, 60, 78, 45, 60],
})
print(pokedex.groupby("tipo")["nivel"].mean()) # nivel promedio por tipo
print(pokedex.groupby("tipo")["hp"].sum()) # hp total por tipo
print(pokedex.groupby("tipo")["nivel"].max()) # nivel máximo por tipo
💡 El patrón mental: agrupá por (groupby), mirá esta columna (["nivel"]), calculá esto (.mean()). Cambiá las 3 piezas según tu pregunta.
P: ¿Qué devuelve `pokedex.groupby("tipo")["nivel"].mean()`?
- El nivel promedio de todos los Pokémon.
+ El nivel promedio de los Pokémon de cada tipo.
- La cantidad de Pokémon por tipo.
> `groupby("tipo")` agrupa las filas por tipo; `["nivel"].mean()` calcula el promedio del nivel dentro de cada grupo.
import pandas as pd
pokedex = pd.DataFrame({"tipo": ["Fuego", "Agua", "Agua", "Planta"]})
print(pokedex["tipo"].value_counts().idxmax()) # -> Agua
P: ¿Para qué sirve `pd.merge(pokemon, debilidades, on="tipo")`?
- Suma las columnas de ambas tablas.
- Combina solo las filas duplicadas.
+ Une las dos tablas por la columna `"tipo"`, agregando las columnas de cada una.
> `merge` es como cruzar dos Pokédex: junta las filas que coinciden en la columna indicada (`on`), igual que un JOIN de SQL.
Tenés una tabla de Pokémon y otra de debilidades por tipo. Las unís por la columna en común (tipo).
import pandas as pd
pokemon = pd.DataFrame({"nombre": ["Charizard", "Blastoise"], "tipo": ["Fuego", "Agua"]})
debilidades = pd.DataFrame({"tipo": ["Fuego", "Agua"], "debil_a": ["Agua", "Planta"]})
print(pd.merge(pokemon, debilidades, on="tipo"))
💡 merge es como cruzar dos Pokédex que comparten una columna. Es la base de juntar datos de distintas fuentes.
| Cosa | Para qué |
|---|---|
df["col"].value_counts() | contar cuántos de cada categoría |
df.groupby("col")["otra"].mean() | promedio por grupo |
.sum(), .max(), .min(), .count() | otras operaciones por grupo |
df["col"].value_counts().idxmax() | la categoría más común |
pd.merge(a, b, on="col") | combinar dos tablas por una columna |
Practicá con los ejercicios de este tema. 💪
⚡ “Mil Pokémon, una pregunta, una respuesta. Eso es groupby.”