Módulo 2: Exploración y selección de datos en DataFrames

Objetivos del módulo

Al finalizar estos módulos serás capaz de:

• Explorar rápidamente un DataFrame
• Entender la estructura interna de los datos
• Identificar tipos de datos y columnas
• Seleccionar filas y columnas de distintas formas
• Filtrar datos usando condiciones lógicas

---

Usaremos el siguiente DataFrame durante todo el módulo:

import pandas as pd

data = {
    "estacion_id": ["EST-01", "EST-02", "EST-03", "EST-04", "EST-05", "EST-06", "EST-07", "EST-08"],
    "region": ["Norte", "Norte", "Centro", "Sur", "Centro", "Centro", "Sur", "Centro"],
    "temperatura_c": [18.5, 21.0, 19.8, 16.2, 20.1, 12.3, 23.4, 24.2],
    "humedad_pct": [72, 65, 80, 90, 68, 80, 70, 65],
    "velocidad_viento_kmh": [12.4, 8.1, 5.0, 20.3, 10.7, 12.2, 31.4, 5.2],
    "lluvia_mm": [0.0, 1.2, 0.0, 12.5, 0.8, 1.6, 7.8, 12.3],
    "sensor_activo": [True, True, False, True, True, True, True, False]
}

df = pd.DataFrame(data)
df

DataFrame resultante:

	estacion_id	region	temperatura_c	humedad_pct	velocidad_viento_kmh	lluvia_mm	sensor_activo
0	EST-01	Norte	18.5	72	12.4	0.0	True
1	EST-02	Norte	21.0	65	8.1	1.2	True
2	EST-03	Centro	19.8	80	5.0	0.0	False
3	EST-04	Sur	16.2	90	20.3	12.5	True
4	EST-05	Centro	20.1	68	10.7	0.8	True
5	EST-06	Centro	12.3	80	12.2	1.6	True
6	EST-07	Sur	23.4	70	31.4	7.8	True
7	EST-08	Centro	24.2	65	5.2	12.3	False

Exploración de DataFrames

Explorar un DataFrame es el primer paso obligatorio antes de analizar o limpiar datos.

A continuación veremos las funciones básicas para la exploración previa.

head()

Muestra las primeras filas del DataFrame (por defecto 5). Es útil para echar un primer vistazo a la estructura sin tener que cargar todas las filas (muy importante si los datos tienen cientos de filas).

df.head()

Resultado:

	estacion_id	region	temperatura_c	humedad_pct	velocidad_viento_kmh	lluvia_mm	sensor_activo
0	EST-01	Norte	18.5	72	12.4	0.0	True
1	EST-02	Norte	21.0	65	8.1	1.2	True
2	EST-03	Centro	19.8	80	5.0	0.0	False
3	EST-04	Sur	16.2	90	20.3	12.5	True
4	EST-05	Centro	20.1	68	10.7	0.8	True

Se puede especificar en el head() el número de filas a mostrar.

df.head(2)

Resultado:

	estacion_id	region	temperatura_c	humedad_pct	velocidad_viento_kmh	lluvia_mm	sensor_activo
0	EST-01	Norte	18.5	72	12.4	0.0	True
1	EST-02	Norte	21.0	65	8.1	1.2	True

tail()

Muestra las últimas filas del DataFrame (por defecto 5). Al igual que al head(), le podemos especificar el número de filas.

df.tail(3)

Resultado:

	estacion_id	region	temperatura_c	humedad_pct	velocidad_viento_kmh	lluvia_mm	sensor_activo
5	EST-06	Centro	12.3	80	12.2	1.6	True
6	EST-07	Sur	23.4	70	31.4	7.8	True
7	EST-08	Centro	24.2	65	5.2	12.3	False

shape()

Devuelve una tupla con las dimensiones del dataframe (filas, columnas).