Columna de índice de caída de pandas: explicada con ejemplos

Pandas es una biblioteca de Python ampliamente utilizada para la manipulación y el análisis de datos. Una funcionalidad esencial que pandas puede proporcionarle es la capacidad de modificar la estructura de un conjunto de datos. Específicamente, colocar índices en un DataFrame es una operación crucial cuando se trabaja con conjuntos de datos. Le permite eliminar filas o columnas no deseadas de los datos.

Para eliminar un índice con pandas, puede usar los métodos .drop() y .reset_index(). El método .drop() le permite eliminar filas o columnas específicas. Por otro lado, el método .reset_index() le permite eliminar el índice y restablecerlo al RangeIndex predeterminado.

En este artículo, discutiremos el uso de estos métodos para eliminar índices en pandas DataFrames. Veremos varios ejemplos para demostrar cómo manipular de manera efectiva la estructura de un conjunto de datos para satisfacer diferentes necesidades analíticas. A través de estos ejemplos, obtendrá una comprensión más profunda de cómo se puede utilizar la biblioteca pandas para la manipulación de datos.

¡Entremos en ello!

Tabla de contenido

• Comprender el índice de caída de pandas
  • 1. ¿Qué es un marco de datos de Pandas?
  • 2. ¿Qué son los índices y las columnas?
  • 3. Cómo soltar la columna de índice con pandas
    • Cómo soltar varias filas y columnas
    • Cómo soltar filas y columnas con Inplace
• Cómo trabajar con índices en pandas
  • 1. Cómo configurar y restablecer el índice
    • Establecer un nuevo índice
    • Restablecimiento de los valores del índice
  • 2. Otras operaciones con columna de índice
• Cómo manejar errores al usar la función de soltar en pandas
  • 1. Cómo manejar KeyError
  • 2. Cómo trabajar con filas duplicadas
• Pensamientos finales

Comprender el índice de caída de pandas

Antes de sumergirnos en el índice de caída con pandas, es muy importante que comprenda qué es un marco de datos de pandas. Además, también debe estar familiarizado con el concepto de índices y columnas en un DataFrame de pandas.

En esta sección, cubriremos los conceptos básicos de un marco de datos, índice y columnas de pandas. Luego veremos un ejemplo de eliminación de un índice usando pandas.

1. ¿Qué es un marco de datos de Pandas?

Pandas es una biblioteca Python de código abierto que proporciona herramientas de análisis y manipulación de datos de alto rendimiento. Una de sus estructuras de datos clave es el DataFrame .

Un DataFrame de pandas es una estructura de datos bidimensional con ejes etiquetados (filas y columnas). Puede pensar en un DataFrame como una representación de objeto Pythonic de una tabla SQL o una hoja de cálculo de Excel.

El siguiente es un marco de datos típico de pandas:

2. ¿Qué son los índices y las columnas?

En un marco de datos de pandas, el índice sirve como una "dirección" para los puntos de datos. Proporciona un medio para acceder y organizar datos a través de DataFrame. Podría ser la secuencia de enteros predeterminada asignada por pandas o un índice personalizado definido por el usuario.

Las columnas son las variables que albergan diferentes tipos de datos en el DataFrame. Cada columna es esencialmente una serie de datos. Puede contener diversos tipos de datos, como enteros, flotantes o cadenas. La etiqueta de la columna, comúnmente conocida como el nombre de la columna, identifica esta serie de datos.

En un DataFrame de pandas, la manipulación de datos a menudo implica trabajar con etiquetas de fila (índices) o etiquetas de columna.

Algunas operaciones comunes que puede realizar con un DataFrame de índice múltiple incluyen seleccionar, cambiar el nombre y colocar filas o columnas en función de sus etiquetas.

3. Cómo soltar la columna de índice con pandas

En pandas, puede usar el método de DataFrame reset_index() para eliminar y restablecer el índice.

Supongamos que tenemos el siguiente DataFrame:

Para soltar la columna de índice, podemos usar el siguiente código:

df.reset_index(drop=True)

Después de ejecutar este código, obtendrá el siguiente ejemplo:

En el resultado, puede ver que el índice se descarta y se reemplaza con los valores de índice originales.

También puede usar el método de soltar en pandas para eliminar etiquetas específicas de filas o columnas.

La sintaxis de este método es:

DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

Los siguientes son los parámetros clave del método drop :

• etiquetas : Las etiquetas a eliminar. Puede ser filas o columnas dependiendo del parámetro del eje .

• eje : determina si se debe colocar desde filas ( 0 o 'índice' ) o columnas ( 1 o 'columnas' ).

• index : una alternativa a especificar axis=0 . Permite indicar las etiquetas de las filas a eliminar.

• columnas : una alternativa a especificar axis=1 . Permite indicar las etiquetas de las columnas a eliminar.

• inplace : si se establece en True , la operación se realizará en el lugar, lo que significa que se modificará el DataFrame original. Si es False (predeterminado), se devolverá un nuevo DataFrame con las etiquetas especificadas eliminadas.

• errores : Controla cómo manejar las etiquetas que faltan. Si 'elevar' (predeterminado), se generará un error cuando no se encuentren las etiquetas. Si 'coacciona' , las etiquetas faltantes se ignorarán silenciosamente.

Supongamos que tenemos el siguiente DataFrame:

Nos gustaría eliminar la fila con el índice 1. Para hacer esto usando el método de eliminación, puede escribir el siguiente código, comenzando con import pandas:

import pandas as pd

# Drop row with index 1
df.drop(1, axis=0)

El argumento axis=0 de la función drop le dice al intérprete que estamos realizando una operación por filas. El segundo argumento 1 es el índice de fila. Le dice al intérprete que suelte la fila con el índice 1.

Después de la operación anterior, obtenemos el siguiente DataFrame:

Ahora, digamos que nos gustaría eliminar la columna con Edad como encabezado de columna de nuestro marco de datos. Para lograr esto, podemos escribir el siguiente código:

# Drop column 'Age'
df.drop('Age', axis=1)

El argumento axis=1 le dice al intérprete que estamos realizando una operación por columnas. El argumento 'Edad' le dice al intérprete que suelte la columna con el nombre 'Edad'.

Después de ejecutar el código anterior, obtendrá el siguiente DataFrame:

Cómo soltar varias filas y columnas

El ejemplo anterior demuestra la eliminación de una sola fila o columna. ¿Qué sucede si desea eliminar varias filas o columnas?

Para lograr esto, usaremos el mismo código con algunos pequeños cambios. En lugar de usar un solo valor, podemos proporcionar una lista de argumentos a la función de eliminación para eliminar varias filas y columnas a la vez.

Digamos que quiero soltar las primeras 2 filas en nuestro DataFrame. Para lograr esto, podemos usar el siguiente código:

# Dropping first 2 rows by index
df = df.drop([0, 1], axis=0)

En este código, le estamos diciendo al intérprete que suelte las filas 0 y 1. El resultado de este código se muestra a continuación:

Puede ver que las filas 0 y 1 ya no están en el DataFrame.

También eliminemos las columnas Departamento y Salario. Para ello, podemos utilizar el siguiente código:

# Dropping columns by name
df = df.drop(['Salary', 'Department'], axis=1)

En este script de Python , le pedimos al intérprete que suelte las columnas con Salario y Departamento como encabezados de columna. La salida de este código se muestra a continuación:

Este es nuestro DataFrame final. En total, eliminamos dos filas y dos columnas de nuestro DataFrame usando el método de soltar.

Para obtener más información sobre MultiIndex en pandas, consulte el siguiente video:

Cómo soltar filas y columnas con Inplace

En el ejemplo anterior, puede ver que primero hacemos cambios en el DataFrame y luego lo guardamos como un nuevo DataFrame. Sin embargo, esta no es una forma eficiente de eliminar filas y columnas.

Otra alternativa a eliminar filas y columnas es establecer el argumento en el lugar de la función de eliminación en True .

Al establecer el parámetro inplace en True , puede modificar permanentemente el DataFrame sin tener que reasignarlo.

Esto es útil cuando se trata de tramas de datos grandes, ya que puede ahorrar memoria al evitar la creación de una nueva trama de datos.

El siguiente es un ejemplo de colocar filas y columnas con inplace :

# Dropping rows by index inplace
df.drop(labels=[0, 1], axis=0, inplace=True)

# Dropping columns by name inplace
df.drop(['Salary', 'Department'], axis=1, inplace=True)

La salida del código anterior se muestra a continuación:

Aquí puede ver que no estamos creando ningún DataFrame nuevo, sino que estamos haciendo cambios en el original.

Cómo trabajar con índices en pandas

En esta sección, discutiremos cómo trabajar con índices en un DataFrame de pandas . Cubriremos las siguientes dos subsecciones:

1. Establecer y restablecer índice

2. Columna de ID e índice

1. Cómo configurar y restablecer el índice

Un aspecto importante de trabajar con pandas es comprender cómo establecer y restablecer columnas de índice. Un índice es un identificador clave para cada fila, y hay instancias en las que es posible que desee cambiarlo.

Establecer un nuevo índice

Para establecer un nuevo índice, puede usar el método set_index() . La sintaxis de set_index se da a continuación:

df.set_index('column_name', inplace=True)

El argumento inplace=True aquí significa que estamos realizando cambios en el DataFrame existente.

Para demostrar esto, usaremos el siguiente DataFrame:

Digamos que nos gustaría hacer de la columna Nombre el índice de nuestro DataFrame. Para lograr esto, podemos usar el siguiente código:

df.set_index('Name', inplace=True)

Este script de Python hará que Name sea el índice de nuestro DataFrame. La salida de este código se muestra a continuación:

Restablecimiento de los valores del índice

Para restablecer el índice a su formato predeterminado (es decir, un RangeIndex de 0 a la longitud del DataFrame menos 1), puede usar el método reset_index() .

La sintaxis de reset_index() se proporciona a continuación:

df.reset_index(drop=True, inplace=True)

Al configurar drop=True , se eliminará la columna de índice actual, mientras que inplace=True garantiza que los cambios se apliquen directamente al marco de datos sin crear uno nuevo.

Cuando aplicamos este código al DataFrame anterior, obtenemos el siguiente resultado:

Puede ver que el Nombre, que anteriormente era nuestro índice, se restablece a los valores predeterminados.

2. Otras operaciones con columna de índice

Cuando está importando un DataFrame desde, digamos, un archivo CSV, puede usar el parámetro index_col para especificar una columna para usar como su índice.

La sintaxis de index_col se da a continuación:

df = pd.read_csv('data.csv', index_col='column_name')

Además, si desea exportar un DataFrame sin la columna de índice, puede establecer el parámetro de índice en Falso.

La sintaxis para este método se da a continuación:

df.to_csv('output.csv', index=False)

Ahora que comprende el método para eliminar el índice, veamos cómo puede manejar los errores al usar la función de eliminación en la siguiente sección.

Cómo manejar errores al usar la función de soltar en pandas

En esta sección, exploraremos cómo manejar errores y casos especiales al usar la función de eliminación de pandas para eliminar columnas de índice de un DataFrame.

Específicamente, discutiremos lo siguiente:

1. Manejo de KeyError

2. Trabajar con filas duplicadas

1. Cómo manejar KeyError

Al usar la función de soltar en pandas, puede encontrar un KeyError si el índice o la columna especificados no se encuentran en el DataFrame.

Para evitar que ocurra este error, puede usar el parámetro de errores . El parámetro de errores tiene dos opciones: 'elevar' e 'ignorar'. De forma predeterminada, se establece en 'elevar', lo que significa que se generará un KeyError si no se encuentra el índice o la columna especificados.

Sin embargo, puede configurarlo para 'ignorar' si desea suprimir el error y continuar ejecutando el código.

Supongamos que tenemos el siguiente marco de datos. Intentemos colocar una fila que no existe en el marco de datos y veamos qué sucede:

# Attempt to drop a non-existent index, will raise KeyError
# df.drop(5, inplace=True)

El script de Python dará el siguiente error:

Para manejar tales errores, asegúrese de estar refiriéndose a las filas que están presentes en el conjunto de datos.

2. Cómo trabajar con filas duplicadas

Al limpiar datos, una tarea importante es buscar duplicados y eliminarlos.

Tratar con filas duplicadas en un DataFrame puede agregar complejidad al usar la función de soltar .

Si desea eliminar filas en función de valores de índice duplicados, puede usar la función duplicada y luego usar la indexación booleana para seleccionar solo las filas no duplicadas.

Supongamos que tenemos el siguiente DataFrame:

Puede ver que tenemos índices duplicados en nuestro conjunto de datos. Para eliminar los duplicados, primero identificaremos los valores duplicados con el siguiente código:

# Find duplicated index values
duplicated_rows = df.index.duplicated(keep='first')

Después de esto, seleccionaremos solo las filas no duplicadas y las almacenaremos en el DataFrame anterior con el siguiente código:

# Select only non-duplicated rows
df = df[~duplicated_rows]

El resultado final se da a continuación:

El resultado final ya no tiene filas duplicadas.

Pensamientos finales

A medida que continúe su viaje de análisis y ciencia de datos, comprender cómo manipular y administrar los datos es una habilidad que demostrará ser la más importante.

El dominio de operaciones como la eliminación de índices en pandas es una parte clave de esto. Saber cómo restablecer o eliminar un índice es un paso hacia la limpieza, la transformación y la obtención de información valiosa a partir de sus datos.

Al aprender a eliminar índices, podrá remodelar sus DataFrames de manera más efectiva. También podrá crear conjuntos de datos más limpios que sean más fáciles de leer y analizar. Además, restablecer los índices puede ser crucial al fusionar o concatenar varios marcos de datos, donde podrían surgir conflictos de índice.

¡La capacidad de eliminar índices le permite tener un mayor control y flexibilidad sobre sus conjuntos de datos!