Scribd
Cargar
12 vistas2 páginas

Comandos Python para Limpieza de Datos

El documento presenta los comandos de Python más utilizados para la limpieza de datos, organizados en categorías como inspección, manejo de datos faltantes, limpieza y transformación, selección y filtrado, agregación y análisis, combinación de datos, análisis de series temporales y visualización. Cada categoría incluye ejemplos de código que ilustran cómo realizar tareas específicas en un DataFrame. Estos comandos son esenciales para preparar y analizar datos de manera efectiva.

Cargado por

Multimedia Web
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 PDF, TXT o lee en línea desde Scribd
12 vistas2 páginas

Comandos Python para Limpieza de Datos

El documento presenta los comandos de Python más utilizados para la limpieza de datos, organizados en categorías como inspección, manejo de datos faltantes, limpieza y transformación, selección y filtrado, agregación y análisis, combinación de datos, análisis de series temporales y visualización. Cada categoría incluye ejemplos de código que ilustran cómo realizar tareas específicas en un DataFrame. Estos comandos son esenciales para preparar y analizar datos de manera efectiva.

Cargado por

Multimedia Web
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 PDF, TXT o lee en línea desde Scribd

Comandos de Python más usados para Limpieza de Datos

1. Inspección de Datos

[Link]() # Muestra las primeras filas del DataFrame


[Link]() # Muestra información del DataFrame y tipos de datos
[Link]() # Muestra estadísticas resumidas de las columnas numéricas

2. Manejo de Datos Faltantes

[Link]().sum() # Cuenta los valores nulos por columna


[Link]() # Elimina filas con valores faltantes
[Link](value) # Reemplaza valores faltantes con un valor especificado

3. Limpieza y Transformación de Datos

df.drop_duplicates() # Elimina filas duplicadas del DataFrame


[Link](columns={'old': 'new'}) # Renombra columnas usando un diccionario

[Link]({'col': 'type'}) # Convierte tipos de datos de columnas


[Link](['old'], ['new']) # Reemplaza valores en el DataFrame
df.reset_index() # Restablece el índice a una secuencia
numérica predeterminada
[Link](['col'], axis=1) # Elimina columnas especificadas

4. Selección y Filtrado de Datos

[Link]['label', 'col'] # Selecciona datos por etiquetas/condiciones


[Link][] # Accede a datos usando posiciones enteras
df[df['col'] > value] # Filtra filas basándose en una condición

5. Agregación y Análisis de Datos

[Link]('col').agg(['mean']) # Agrupa y aplica una función de agregación

df.sort_values('col', ascending=False) # Ordena los datos por valores de columna


df.value_counts() # Cuenta valores únicos en una columna
[Link]() # Aplica una función a filas/columnas
df.pivot_table(values, index, columns) # Crea una tabla dinámica a partir de los
datos

6. Combinación/Fusión de Datos

[Link]([df1, df2]) # Concatena múltiples DataFrames


[Link](df1, df2, on='key') # Fusiona dos DataFrames en una columna clave
[Link](df2) # Une DataFrames en el índice
[Link](df2) # Agrega las filas de df2 a df1

7. Análisis de Series Temporales


Comandos de Python más usados para Limpieza de Datos

df['col'] = pd.to_datetime(df['col']) # Convierte una columna a formato datetime


df.set_index('col', inplace=True) # Establece una columna datetime como índice

[Link]('M').mean() # Re-muestrea los datos por mes y calcula la


media
[Link](1) # Desplaza los datos un período de tiempo
[Link]() # Calcula la diferencia entre filas
consecutivas

8. Visualización

[Link]() # Gráfico de líneas básico del DataFrame


df['col'].hist() # Histograma de una columna
[Link](column='col') # Diagrama de caja de una columna
df['col'].value_counts().plot(kind='bar') # Gráfico de barras de conteo de valores
[Link](x='col1', y='col2') # Diagrama de dispersión entre dos columnas

También podría gustarte