Cargando tu progreso…

Pokédex Codex

pandas: Series y DataFrame

META

🎯 Meta: conocer pandas, la librería estrella para trabajar con tablas de datos (como una Pokédex en Excel, pero con superpoderes).

NumPy maneja números. pandas maneja tablas: filas y columnas con nombres, tipos distintos, datos faltantes. Es la herramienta nº1 del análisis de datos.

🎮 Analogía: el DataFrame es tu Pokédex

  • Una Series es una columna con etiquetas (como la lista de niveles de tu equipo).
  • Un DataFrame es la tabla completa: muchas columnas, una fila por Pokémon. Es tu Pokédex.
import pandas as pd

niveles = pd.Series([25, 90, 12], index=["Pikachu", "Charizard", "Bulbasaur"])
print(niveles)
print("El nivel de Charizard:", niveles["Charizard"])
TIP

💡 pandas se importa como pd, siempre. Y por dentro usa NumPy: una Series es un array con etiquetas.

P: ¿Qué diferencia hay entre una `Series` y un `DataFrame` en pandas?
- Una Series tiene etiquetas; un DataFrame no.
+ Una Series es una columna; un DataFrame es una tabla con muchas columnas.
- Son lo mismo, solo cambia el nombre.
> Una `Series` es una sola columna con etiquetas. Un `DataFrame` agrupa muchas Series en una tabla completa (como una Pokédex).

🗂️ Crear un DataFrame

Lo más común: desde un diccionario donde cada clave es una columna.

import pandas as pd

pokedex = pd.DataFrame({
    "nombre": ["Pikachu", "Charizard", "Bulbasaur", "Snorlax"],
    "nivel":  [25, 90, 12, 70],
    "tipo":   ["Eléctrico", "Fuego", "Planta", "Normal"],
})
print(pokedex)

👀 Mirar la tabla por arriba

Antes de analizar, siempre mirás los datos: las primeras filas, info, estadísticas.

import pandas as pd
pokedex = pd.DataFrame({
    "nombre": ["Pikachu", "Charizard", "Bulbasaur", "Snorlax"],
    "nivel":  [25, 90, 12, 70],
})
print(pokedex.head(2))     # las primeras 2 filas
print("filas, columnas:", pokedex.shape)
print(pokedex.describe())  # min, max, promedio, etc. de las columnas numéricas
TIP

💡 .head(), .info() y .describe() son lo primero que corre todo analista al abrir un dataset nuevo.

🏛️ Columnas

Accedés a una columna con corchetes y su nombre. Te devuelve una Series.

import pandas as pd
pokedex = pd.DataFrame({
    "nombre": ["Pikachu", "Charizard"],
    "nivel":  [25, 90],
})
print(pokedex["nivel"])            # la columna
print(pokedex["nivel"].mean())     # promedio de la columna
print(list(pokedex.columns))       # nombres de columnas

P: ¿Qué devuelve `pokedex.shape` si el DataFrame tiene 4 Pokémon y 3 columnas?
- `(3, 4)`
- `12`
+ `(4, 3)`
> `.shape` devuelve `(filas, columnas)`. Primero las filas, después las columnas.

➕ Agregar una columna

import pandas as pd
pokedex = pd.DataFrame({"nombre": ["Pikachu", "Charizard"], "nivel": [25, 90]})
pokedex["hp"] = [35, 78]      # columna nueva
print(pokedex)

📝 Resumen

CosaPara qué
pd.Series(datos, index=...)una columna con etiquetas
pd.DataFrame({...})una tabla (desde un dict de columnas)
df.head(n)primeras n filas
df.shape(filas, columnas)
df.describe()estadísticas de las columnas numéricas
df["col"]una columna (Series)
df["nueva"] = [...]agregar columna

➡️ ¿Y ahora qué?

Practicá con los ejercicios de este tema. 💪

ÁNIMO

⚡ “Una buena Pokédex ordena el mundo. Un buen DataFrame, los datos.”