Python Pandas [miguel angel torres egea]

Aquesta pàgina és només de lectura. Podeu veure'n el codi font, però no podeu canviar-la. Consulteu el vostre administrador si penseu que això és degut a algun error.
= Python Pandas
  * <code bash>pip3 install pandas</code>
  * soporte para excel: <code bash>pip3.9 install openpyxl # needed to load Excel .xlsx files
pip3.9 install xlrd # needed to load Excel old .xls files)
</code>

  * Estilos: [[https://docs.bokeh.org/en/latest/docs/user_guide/styling/plots.html#ug-styling-plots]]
  * datos: [[https://pythonhow.com/media/data/supermarkets.json]]

= varios
== importar en dataframe
  * ''pandas.read_csv('data.txt',header=None)''
  * ''pandas.read_json('data.json')''
== columnas
<code python>df = pandas.read_csv('data.txt',header=None)</code>
  * ''header=None'' para archivos sin nombres de columnas en la primera fila
  * acceder columnas:<code python>df.columns
df.columns[inicial:final]</code>
    * pueden ser indices numéricos o nombres
  * acceder indices:<code python>df.index</code>
  * asignar nombres de columna:<code python>df.columns = ["Col1","Col2","Col3"]</code>
  * asignar indice:<code python>df.set_index("nom_col"[,inplace=True, drop=False])</code>
    * ''inplace'': los cambios se aplican en el mismo objeto (variable), Por defecto, los cambios se deberán guardar en otra variable.
    * ''drop'': Con False, no saca la columna de los datos para convertirla en índice
== manipulación datos
Para acceder a datos en el dataframe es como un sistema de coordenadas
=== label based indexing
  * loc[start_value_row;final_value_row,start_column_header:final_column_header]
<code python>
df.loc["valor":"valor","columna":"columna"]
list(df.loc[:,"Columna"]) # devuelve como lista los valores de la columna, para todas las filas
</code>
  * se puede indicar solo un valor en los rangos

=== position based indexing
iloc[start_value_row;final_value_row,start_column_header:final_column_header]
<code python>
df.iloc[1:4,2:5]
</code>
  * ''iloc'' se comporta como cualquier **slice** en python, el último valor no está incluido. Así, en el ejemplo cogería las filas 1,2,3 y las columnas 2,3,4

== borrar columnas
  * ''drop("fila"|"columna")''
  * los cambios no son ''implace''
<code python>
df.drop("filas",0)
df.drop(df.index[0:3],0) # elimina las filas 0,1,2
df.drop(df.columns[0:3],1) # elimina las columnas 1,2
</code>

== añadir columnas
<code python>df.shape # tupla con número de filas y columnas
df.shape[0] # número de filas
df.shape[1] # número de columnas
</code>
<code python>df["new_column"]=df.shape[0]*["Valor"] # ha de coincidir con el número de filas en el índice</code>
<code python>df["new_column"]=df.["columna"] + "," + "Valor"</code>

== Transposición, para añadir registro ¿?
<code python>df_T = df.T # función de transposición
df_T["nuevo_registro"] = ["valores_columnas"[,"valores_columnas",...]]
df = df_T.T # función de transposición
</code>
== pandas + bokeh ejemplos
<code python>
# segundo bokeh plot con pandas
from bokeh.plotting import figure
from bokeh.io import output_file, show
import pandas

df=pandas.read_csv("https://pythonizing.github.io/data/bachelors.csv")

x=df["Year"]
y=df["Engineering"]

output_file("Line.html")

f=figure()
f.line(x,y)

show(f)
</code>
<code python>
import pandas
 
from bokeh.plotting import figure, output_file, show
 
df=pandas.read_excel("https://github.com/pythonizing/data/blob/master/verlegenhuken.xlsx",sheet_name=0)
df["Temperature"]=df["Temperature"]/10
df["Pressure"]=df["Pressure"]/10
 
p=figure(width=500,height=400,tools='pan')
 
p.title.text="Temperature and Air Pressure"
p.title.text_color="Gray"
p.title.text_font="arial"
p.title.text_font_style="bold"
p.xaxis.minor_tick_line_color=None
p.yaxis.minor_tick_line_color=None
p.xaxis.axis_label="Temperature (°C)"
p.yaxis.axis_label="Pressure (hPa)"    
 
# old versions:
# p.circle(df["Temperature"],df["Pressure"],size=0.5)

p.scatter(x=df["Temperature"],y=df["Pressure"],size=0.5)
output_file("Weather.html")
show(p)
</code>
  * desde Jupyter Notebook problema leyendo fichero desde URL