Empecemos entendiendo los formatos ancho y largo y las ventajas de cada uno. Después aprenderás a pivotar datos de un formato largo a uno ancho y a obtener estadísticas resumidas de un DataFrame grande.

Formatos de datos anchos y largos

Opciones

Formato largo

Formato ancho

El largo y el ancho

Girando a los jugadores

Reestructurar con el método pivot

Regateando con el método pivot

¿Jugador ofensivo o defensivo?

¡Repite ese último movimiento!

Tablas dinámicas

Repasando los movimientos

Explorando el gran partido

El más alto y el más pesado

Introducción a la reestructuración de datos

Domina la técnica de reestructurar DataFrames de formato ancho a largo. En este capítulo, aprenderás a usar el método melt y la función wide_to_long antes de descubrir cómo manejar columnas de texto concatenándolas o dividiéndolas.

Reestructurar con melt

Tiempos góticos

La calificación no lo es todo

¿Cómo es Frankenstein, Dorian Gray?

Función de wide a long

La Edad de Oro

Descifrando el código

¡Hora de leer, Katniss!

Trabajar con columnas de texto

¿Has dicho distopía?

¿Qué nota le das, Harry?

¡Elemental, mi querido Watson!

Conversión entre formatos ancho y largo

En este capítulo, darás un salto en tus habilidades de manipulación de datos usando indexación multinivel. Aprenderás a reestructurar DataFrames reorganizando niveles de los índices de filas al eje de columnas, y viceversa. También adquirirás las habilidades necesarias para tratar los datos faltantes que se generan en los procesos de apilado y desapilado.

Apilar DataFrames

¡Apila las llamadas!

Índice del directorio telefónico

¡Envíame un mensaje!

Desapilar DataFrames

Llamadas internacionales

Llama otra vez

Organiza tu buzón de voz

Trabajar con varios niveles

Cambia tu tarjeta SIM

Demasiadas llamadas

Cómo gestionar datos faltantes

Una llamada perdida

No tires la pila

Apilar y desapilar DataFrames

Terminarás aprendiendo a combinar la reestructuración con la agrupación para realizar manipulaciones de datos rápidas. Por último, descubrirás cómo transformar columnas con estructura de lista y manejar datos anidados complejos, como archivos JSON anidados.

Reformatear y combinar datos

¡Menos comida rápida, por favor!

Solo hacia arriba

Un análisis por grupo

Transformar una columna con formato de lista

Fusiónalo todo

Haz explode a los límites

El viejo y querido split

Leer datos anidados en un DataFrame

Películas anidadas

Una película compleja

Cómo trabajar con columnas de datos anidados

Desanidar aves

No tires al pájaro

La transformación final

Reestructuración avanzada

Customer churn data

Books data

FIFA players data

Obesity data

A menudo los datos están en un formato legible para personas, pero no son adecuados para el análisis. Aquí es donde pandas puede ayudarte: es una herramienta potente para reestructurar DataFrames a distintos formatos. En este curso, reforzarás tus habilidades como data scientist y analista mientras aprendes a trabajar con columnas de texto y datos anidados dentro de un DataFrame. Trabajarás con datos reales, como valoraciones de jugadores de la FIFA, reseñas de libros y datos de churn, mientras aprendes a transformar un DataFrame de formato ancho a largo, apilar y desapilar filas y columnas, y obtener estadísticas descriptivas de un DataFrame con multiíndice.

Data Manipulation with pandas

Reformatea DataFrames de ancho a largo, apila y desapila filas y columnas, y maneja multi-índices.

Reestructuración de datos con pandas

Reestructura DataFrame de un formato ancho a uno largo, apila y desapila filas y columnas, y maneja DataFrame con múltiples índices.

Manipulación de datos  en Python

Importar y limpiar datos  en Python

Data Scientist

Reshaping using pivot method

From long to wide

Pivot method

Pivoting a dataset

Pivoting multiple columns

Duplicate entries error

Let's practice!

Introducción a la reestructuración de datos - Reestructurar con el método pivot

Reestructurar con el método pivot

Create Your Free Account