Summary  
This chapter explains how to inspect a DataFrame’s structure and metadata by using the `info()` method to view column names, types, and dimensions, and the `len()` function to determine its row count.

General domain of usage  
Data analysis

En `pandas`, hay un método útil llamado `info()` que proporciona información básica sobre un conjunto de datos.

import pandas as pd
# It's a dataframe
df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a43d24b6-df61-4e11-9c90-5b36552b3437/example.csv')
info = df.info()
print(info)

Este método muestra el número de filas y columnas en el DataFrame, así como el nombre y tipo de datos de cada columna. Por ejemplo, `df` contiene **20** filas y **5** columnas.

Para determinar la longitud del DataFrame, podemos usar la función `len()`, como se demuestra en el ejemplo a continuación:
```python
length = len(df)
```

Pandas es una biblioteca extremadamente fácil de usar para el análisis de datos. También está diseñada para manejar grandes conjuntos de datos, utilizando estructuras de datos como DataFrame y Series. Esto la convierte en una herramienta invaluable para la Ciencia de Datos. En esta guía, te familiarizarás con una variedad de funciones estadísticas, incluyendo cómo encontrar correlaciones, modas, medianas y valores máximos y mínimos dentro de un conjunto de datos. También aprenderás a manejar valores faltantes y manipular valores específicos, así como a eliminarlos.

En esta sección, exploraremos los fundamentos de las estructuras Series y DataFrame. También aprenderás sobre las diferencias entre estos dos tipos de estructuras.

Los datos pueden obtenerse en varios formatos, como CSV, JSON, SQL, HTML y más. Con Pandas, no estás limitado a un solo formato: puedes trabajar con datos de una multitud de tipos de archivos. En este capítulo, nos centraremos específicamente en los formatos CSV y TXT.

Aquí, aprenderás a procesar datos en bruto eliminando información innecesaria y gestionando valores nulos en un conjunto de datos.

Explorando el Conjunto de Datos

Solución

Awesome!

Explorando el Conjunto de Datos

Solución