¿Cómo crear un DataFrame?

8 min read

Un DataFrame es una estructura de dos dimensiones, muy similar a una hoja de cálculo o una tabla en base de datos, veamos como crear un DataFrame a partir de una lista.

python

import pandas as pd
 
list_rrss = ['Facebook','Twitter','Instagram','Youtube']
 
# Crear dataframe a partir de una lista
df_rrss = pd.DataFrame(list_rrss, columns=['Name'])
 
print(df_rrss)

En este ejemplo, utilizamos la función DataFrame() para crear un DataFrame a partir de las lista list_rrss y su resultado se guarda en la variable df_rrss, a la función DataFrame() en este caso le pasamos dos argumentos, la variable list_rrss la cual serán los datos del DataFrame y columns donde se especifica el nombre de las columnas, en este caso Name. Finalmente, se muestra por la terminal el DataFrame con los nombres de las redes sociales en la columna Name.

🔗 Si quieres un tutorial sobre Pandas python, te invito a leer el Blog de 4Geeks, donde encontrarás mucha información relevante.

DataFrame en Pandas

Un DataFrame como se mencionó anteriormente es una estructura de dos dimensiones, para crear un DataFrame en Pandas, primero se necesita importar la librería Pandas y luego utilizar la clase pandas.DataFrame. La clase pandas.DataFrame permite varios parámetros a la hora de crearse, veamos cuales son estos parámetros:

python

pandas.DataFrame(data, index, columns, dtype)

data: Representa los datos que utilizara el DataFrame, puede ser un objeto, una lista, un diccionario, otro DataFrame, entre otros.
index: Se utiliza cuando queremos especificar los índices del DataFrame, si no se le proporciona este parámetro por defecto genera índices numéricos.
columns: Se utiliza cuando queremos especificar los nombres de las columnas del DataFrame, si no se le proporciona este parámentro por defecto genera índices numéricos.
dtype: Se utiliza para especificar el tipo de datos de las columnas DataFrame, por ejemplo, int, float, object, etc. Si no se le proporciona este parámetro, por defecto infiere el tipo de dato a partir de los datos suministrados.

Veamos un ejemplo donde hace uso de los parámetros antes mencionados:

python

import pandas as pd
 
data_countries = {'country': ['Spain', 'Germany', 'United Kingdom', 'Japan'],
'date': ['2022', '2022', '2020', '2021'],
'density': [94,234,275,332],
'population': [47615034, 83794000,67081000,125507000]}
 
indexes = ['a', 'b', 'c','d']
columns = ['country', 'date', 'density', 'population']
 
df_data_countries = pd.DataFrame(data=countries, index=indexes, columns=columns, dtype=str)
 
print(df_data_countries)

En este ejemplo se crea un DataFrame utilizando el diccionario data_countries, adicionalmente se especifican los índices y nombres de las columnas con las listas indexes y columns respectivamente.

Formas de crear un DataFrame

Existen distintas maneras de crear un DataFrame en Python, a continuación explicaremos algunas de ellas.

Creación de un dataframe vacio

python

import pandas as pd
 
# Creacion de un dataframe vacio
df= pd.DataFrame()
 
print(df)

Creación de un dataframe a partir de una lista de listas

python

import pandas as pd
 
list_products = [
    ['iPhone 12', 100, 500],
    ['Samsung Galaxy S21', 200, 1000],
    ['Sony PlayStation 5', 150, 750],
    ['Nintendo Switch', 50, 250]
]
 
df_list_products = pd.DataFrame(list_products, columns=['Product', 'Quantity', 'Price'])
 
print(df_list_products)

Creación de un DataFrame desde un diccionario de listas

python

import pandas as pd
 
billionaires = {
    'name': ['Jeff Bezos', 'Elon Musk', 'Bernard Arnault', 'Bill Gates'],
    'age': [59, 51, 74, 67],
    'fortune': [177000000000, 151000000000, 150000000000, 124000000000]
}
 
df_billionaires = pd.DataFrame(billionaires)
 
print(df_billionaires)

Creación de un dataframe a partir de una lista de diccionarios

python

import pandas as pd
 
players = [
    {'Name': 'Lionel Messi', 'Team': 'Inter Miami CF', 'Salary': 67000000},
    {'Name': 'Cristiano Ronaldo', 'Team': 'Al-Nassr', 'Salary': 62000000},
    {'Name': 'Neymar Jr.', 'Team': 'Paris Saint-Germain', 'Salary': 56000000},
    {'Name': 'Kylian Mbappé', 'Team': 'Paris Saint-Germain', 'Salary': 42000000},
    {'Name': 'Mohamed Salah', 'Team': 'Liverpool', 'Salary': 40000000}
]
 
df_players = pd.DataFrame(players, index=['first', 'second', 'third', 'fourth', 'fifth'])
 
 
print(df_players)

Métodos más importantes del dataframe

La clase pandas.DataFrame ofrece una amplia gama de métodos que pueden ser útiles a la hora de analizar datos, a continuación explicaremos los más importantes:

head(n): Este método retorna las primeras n filas del DataFrame.

python

import pandas as pd
 
 
players = [
    {'Name': 'Lionel Messi', 'Team': 'Inter Miami CF', 'Salary': 67000000},
    {'Name': 'Cristiano Ronaldo', 'Team': 'Al-Nassr', 'Salary': 62000000},
    {'Name': 'Neymar Jr.', 'Team': 'Paris Saint-Germain', 'Salary': 56000000},
    {'Name': 'Kylian Mbappé', 'Team': 'Paris Saint-Germain', 'Salary': 42000000},
    {'Name': 'Mohamed Salah', 'Team': 'Liverpool', 'Salary': 40000000}
]
 
 
df_players = pd.DataFrame(players)
 
 
print(df_players.head(2))

tail(n): Este método retorna las últimas n filas del DataFrame.

python

import pandas as pd
 
 
players = [
    {'Name': 'Lionel Messi', 'Team': 'Inter Miami CF', 'Salary': 67000000},
    {'Name': 'Cristiano Ronaldo', 'Team': 'Al-Nassr', 'Salary': 62000000},
    {'Name': 'Neymar Jr.', 'Team': 'Paris Saint-Germain', 'Salary': 56000000},
    {'Name': 'Kylian Mbappé', 'Team': 'Paris Saint-Germain', 'Salary': 42000000},
    {'Name': 'Mohamed Salah', 'Team': 'Liverpool', 'Salary': 40000000}
]
 
 
df_players = pd.DataFrame(players)
 
print(df_players.tail(2))

info():Este método muestra información detallada sobre el DataFrame, por ejemplo, el número de filas y columnas, el tipo de datos de cada columna, entre otros datos.

python

import pandas as pd
 
billionaires = {
    'name': ['Jeff Bezos', 'Elon Musk', 'Bernard Arnault', 'Bill Gates'],
    'age': [59, 51, 74, 67],
    'fortune': [177000000000, 151000000000, 150000000000, 124000000000]
}
 
df_billionaires = pd.DataFrame(billionaires)
 
print(df_billionaires.info())

describe(): Genera estadísticas descriptivas del DataFrame, como el recuento, la media, la desviación estándar, etc.

python

import pandas as pd
 
billionaires = {
    'name': ['Jeff Bezos', 'Elon Musk', 'Bernard Arnault', 'Bill Gates'],
    'age': [59, 51, 74, 67],
    'fortune': [177000000000, 151000000000, 150000000000, 124000000000]
}
 
df_billionaires = pd.DataFrame(billionaires)
 
print(df_billionaires.describe())

loc[row_indexer, col_indexer]: Accede a un subconjunto de filas y columnas basándose en las etiquetas del índice.

python

import pandas as pd
 
 
players = [
    {'Name': 'Lionel Messi', 'Team': 'Inter Miami CF', 'Salary': 67000000},
    {'Name': 'Cristiano Ronaldo', 'Team': 'Al-Nassr', 'Salary': 62000000},
    {'Name': 'Neymar Jr.', 'Team': 'Paris Saint-Germain', 'Salary': 56000000},
    {'Name': 'Kylian Mbappé', 'Team': 'Paris Saint-Germain', 'Salary': 42000000},
    {'Name': 'Mohamed Salah', 'Team': 'Liverpool', 'Salary': 40000000}
]
 
df_players = pd.DataFrame(players, index=['first', 'second', 'third', 'fourth', 'fifth'])
 
 
print(df_players.loc["first":"third", "Name":"Team"])

iloc[row_indexer, col_indexer]: Accede a un subconjunto de filas y columnas basándose en la posición de índice.

python

import pandas as pd
 
billionaires = {
    'name': ['Jeff Bezos', 'Elon Musk', 'Bernard Arnault', 'Bill Gates'],
    'age': [59, 51, 74, 67],
    'fortune': [177000000000, 151000000000, 150000000000, 124000000000]
}
 
df_billionaires = pd.DataFrame(billionaires)
 
print(df_billionaires.iloc[0:3, 0:2])

sort_values(by): Este método permite ordenar el DataFrame por los valores de una columna o una lista de columnas.

python

import pandas as pd
 
 
players = [
    {'Name': 'Lionel Messi', 'Team': 'Inter Miami CF', 'Salary': 67000000},
    {'Name': 'Cristiano Ronaldo', 'Team': 'Al-Nassr', 'Salary': 62000000},
    {'Name': 'Neymar Jr.', 'Team': 'Paris Saint-Germain', 'Salary': 56000000},
    {'Name': 'Kylian Mbappé', 'Team': 'Paris Saint-Germain', 'Salary': 42000000},
    {'Name': 'Mohamed Salah', 'Team': 'Liverpool', 'Salary': 40000000}
]
 
df_players = pd.DataFrame(players)
 
print(df_players.sort_values(by='Name', ascending=True))

Podemos concluir que los DataFrames son una herramienta muy poderosa para trabajar con datos tabulares, ya que nos permite analizar y manipular gran cantidad de datos que en ocasiones son muy complejos, por lo que son ampliamente utilizados en áreas de desarrollo como son Machine learning, Data Science, Data Analysis, entre otras.

🔗 Si te interesa conocer más a fondo cómo puedes utilizar la biblioteca de Pandas en Machine Learning te recomiendo que visites el artículo sobre pandas para machine learning, donde encontraras recursos muy utiles y explicaciones con ejemplos de código y videotutoriales que te ayudarán a enterder mejor esta librería y aprenderas a utilizar todas las caracteristicas mas importantes que ofrese.