Cortar, indexar, manipular y limpiar el marco de datos de Pandas

Con la ayuda de Pandas, podemos realizar muchas funciones en un conjunto de datos, como cortar, indexar, manipular y limpiar el marco de datos. 

Caso 1: Rebanar el marco de datos de Pandas usando DataFrame.iloc[]

Ejemplo 1: dividir filas 

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000], 
               ['A.B.D Villers', 38, 74, 3428000], 
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000], 
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list, columns=['Name', 'Age', 'Weight', 'Salary'])
  
# data frame before slicing
df

Producción:

# Slicing rows in data frame
df1 = df.iloc[0:4]
  
# data frame after slicing
df1

Producción:

En el ejemplo anterior, cortamos las filas del marco de datos.

Ejemplo 2 : Columnas  de corte

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000], 
               ['K.Peterson', 42, 85, 2528000]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list, columns=['Name', 'Age', 'Weight', 'Salary'])
  
# data frame before slicing
df

Producción:

# Slicing columnss in data frame
df1 = df.iloc[:,0:2]
  
# data frame after slicing
df1

Producción:

En el ejemplo anterior, cortamos las columnas del marco de datos.

Caso 2: Indización del marco de datos de Pandas 

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000], 
               ['A.B.D Villers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000], 
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000], 
               ['K.Peterson', 42, 85, 2528000]]
  
# creating a pandas dataframe and indexing it using Aplhabets
df = pd.DataFrame(player_list, columns=['Name', 'Age', 'Weight', 'Salary'],
                  index=['A', 'B', 'C', 'D', 'E', 'F', 'G'])
  
  
# Displaying data frame
df

Producción:

En el ejemplo anterior, indexamos el marco de datos.

Caso 3: Manipulación del marco de datos de Pandas

La manipulación del marco de datos se puede realizar de varias maneras, como aplicar funciones, cambiar un tipo de datos de columnas, dividir, agregar filas y columnas a un marco de datos, etc.

Ejemplo 1: Aplicar la función lambda a una columna usando Dataframe.assign()

# importing pandas library
import pandas as pd
  
# creating and initializing a list
values = [['Rohan', 455], ['Elvish', 250], ['Deepak', 495],
          ['Sai', 400], ['Radha', 350], ['Vansh', 450]]
  
# creating a pandas dataframe
df = pd.DataFrame(values, columns=['Name', 'Univ_Marks'])
  
# Applying lambda function to find percentage of
# 'Univ_Marks' column using df.assign()
df = df.assign(Percentage=lambda x: (x['Univ_Marks'] / 500 * 100))
  
# displaying the data frame
df

Producción:

En el ejemplo anterior, la función lambda se aplica a la columna ‘Univ_Marks’ y se forma una nueva columna ‘Porcentaje’ con la ayuda de ella.

Ejemplo 2: ordenar el marco de datos en orden ascendente

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000], 
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list, columns=['Name', 'Age', 'Weight', 'Salary'])
  
# Sorting by column 'Weight'
df.sort_values(by=['Weight'])

Producción:

En el ejemplo anterior, ordenamos el marco de datos por columna ‘Peso’. 

Caso 4: limpieza del marco de datos de Pandas 

# importing pandas and Numpy libraries
import pandas as pd
import numpy as np
  
# Initializing the nested list with Data set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villers', np.nan, 74, np.nan],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', np.nan, 100, np.nan],
               [np.nan, 33, np.nan, 7028000], 
               ['K.Peterson', 42, 85, 2528000]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list, columns=['Name', 'Age', 'Weight', 'Salary'])
  
df

Producción:

# Checking for missing values
df.isnull().sum()

Producción:

# dropping or cleaning the missing data 
df= df.dropna() 
df

Producción:

En el ejemplo anterior, limpiamos todos los valores faltantes del conjunto de datos.