Contenido del Curso
Primeros Pasos con Pandas
Primeros Pasos con Pandas
Trabajando con Columnas
Cuando trabajas con un DataFrame, puedes acceder a cada columna individualmente.
Para aclarar esta sintaxis:
- Comienza escribiendo el nombre del DataFrame con el que estás trabajando;
- Luego, coloca el nombre de la columna a la que deseas acceder dentro de corchetes. Recuerda encerrar el nombre de la columna entre comillas.
Alternativamente, puedes usar la notación de punto para acceder a una columna si el nombre de la columna:
- Es un identificador válido de Python (por ejemplo, sin espacios, caracteres especiales o que comience con un número);
- No entra en conflicto con un atributo o nombre de método existente de
pandas
.
import pandas as pd countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']} countries = pd.DataFrame(countries_data) capitals = countries['capital'] # Second option # capitals = countries.capital print(capitals)
Ejecutar este código mostrará solo la columna que contiene las capitales, en lugar de todo el DataFrame.
También puedes acceder a múltiples columnas de esta manera:
En comparación con el acceso a una sola columna, solo hay una diferencia. Esta vez, necesitarás poner la lista de nombres de columnas dentro de un conjunto adicional de corchetes — lo que significa que usarás dobles corchetes.
import pandas as pd countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']} countries = pd.DataFrame(countries_data) columns = countries[['country', 'capital']] print(columns)
Swipe to start coding
Recupera las columnas 'model'
, 'year'
y 'price'
(en ese orden) del DataFrame audi_cars
.
Solución
¡Gracias por tus comentarios!
Trabajando con Columnas
Cuando trabajas con un DataFrame, puedes acceder a cada columna individualmente.
Para aclarar esta sintaxis:
- Comienza escribiendo el nombre del DataFrame con el que estás trabajando;
- Luego, coloca el nombre de la columna a la que deseas acceder dentro de corchetes. Recuerda encerrar el nombre de la columna entre comillas.
Alternativamente, puedes usar la notación de punto para acceder a una columna si el nombre de la columna:
- Es un identificador válido de Python (por ejemplo, sin espacios, caracteres especiales o que comience con un número);
- No entra en conflicto con un atributo o nombre de método existente de
pandas
.
import pandas as pd countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']} countries = pd.DataFrame(countries_data) capitals = countries['capital'] # Second option # capitals = countries.capital print(capitals)
Ejecutar este código mostrará solo la columna que contiene las capitales, en lugar de todo el DataFrame.
También puedes acceder a múltiples columnas de esta manera:
En comparación con el acceso a una sola columna, solo hay una diferencia. Esta vez, necesitarás poner la lista de nombres de columnas dentro de un conjunto adicional de corchetes — lo que significa que usarás dobles corchetes.
import pandas as pd countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'], 'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'], 'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']} countries = pd.DataFrame(countries_data) columns = countries[['country', 'capital']] print(columns)
Swipe to start coding
Recupera las columnas 'model'
, 'year'
y 'price'
(en ese orden) del DataFrame audi_cars
.
Solución
¡Gracias por tus comentarios!