Desafío 5: Iterando Sobre Datos

Iterar sobre conjuntos de datos en Pandas es una operación crítica, especialmente cuando es necesario aplicar pasos personalizados de procesamiento de datos a cada fila o columna. Pandas ofrece:

Flexibilidad: Tanto si necesita procesar datos por filas, columnas o celdas, Pandas le ofrece múltiples métodos.
Eficiencia:** Aunque normalmente es más eficiente usar operaciones vectorizadas de Pandas, a veces la iteración es el enfoque más directo.

Entender cómo iterar eficazmente sobre conjuntos de datos en Pandas puede ayudar enormemente en la fase de limpieza y preprocesamiento de datos.

Tarea

Swipe to start coding

Descubra diferentes formas de iterar sobre conjuntos de datos en Pandas:

Iterar sobre filas de un DataFrame.
1. Iterar sobre nombres de columnas de un DataFrame.
Aplicar una función personalizada a cada celda de una columna de un DataFrame.
Utilice la función map para formatear todo el DataFrame.

Solución

import pandas as pd

# Sample DataFrame

df = pd.DataFrame({

'Name': ['Alice', 'Bob', 'Charlie'],

'Age': [25, 30, 35],

'City': ['New York', 'San Francisco', 'Los Angeles']

})

# 1. Iterate over rows of a DataFrame.

print('--- Task 1 ---')

for index, row in df.iterrows():

print(row)

print('-' * 20)

# 2. Iterate over columns of a DataFrame.

print('\n--- Task 2 ---')

for column in df:

print(column)

# 3. Apply a custom function to each cell in a DataFrame column.

print('\n--- Task 3 ---')

def add_suffix(cell):

return str(cell) + "_suffix"

df['Name'] = df['Name'].apply(add_suffix)

print(df)

# 4. Replace values in the City column according replacement_dict.

print('\n--- Task 4 ---')

replacement_dict = {

'New York': 'NY',

'San Francisco': 'SF',

'Los Angeles': 'LA'

}

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 3. Capítulo 5