Pandas

 Funciones Utiles de Pandas.

df=pd.read_csv("covidglobal.csv") ##Leemos el archivo 

df ##visualizamos

Si nos fijamos en la imagen, la primera fila tiene datos inválidos, como por ejemplo el dato NaN 

con la siguiente función eliminamos la fila del dato inválido

df_filtrado=df.dropna() ##Elimina fila de Datos imcompletos

df_filtrado

Sin embargo... si queremos reemplazar esos datos inválidos y no deshacernos de la fila misma, usamos lo siguiente.

df_filtrado=df.fillna(0) ##Llenamos de ceros los datos invalidos de las filas

df_filtrado

Para trabajar mejor cambiamos los espacios que hay en el nombre de las columnas por guion bajo

x=df_covid.columns.str.replace(' ','_') #remplazar en el  nombre de las columas los espacios x guion bajo

Luego hecho esto... cambiamos el nombre de las columnas a minusculas de la siguiente manera

x=x.str.lower() ##cambiamos las mayusc. a minusc.

Como todo está hecho en x, cambiamos 

df_covid.columns=x #cambiamos el nombre de nuestras columnas

df_covid.head()   #visualizamos, aqui el head se le puede enviar parametros.

df_covid.head(10) #si no pasamos parametro trae 5 primeros elementos por defecto

df_covid.tail() #si no pasamos parametro trae 5 ultimos elementos por defecto

df_covid.sample() #retorna elementos randomicos  del archivo

df_covid.sample(3) #retorna 3 elementos randomicos del archivo

#las siguientes son 2 formas de acceder  o en este caso filtrar los datos de una columna, podemos acceder a la misma con corches o sin los mismos. Si la columa no esta formateada (el nombre es: nombre columna en vez de nombre_columna) entonces debemos acceder a la misma si o si con los corchetes.

filtro=df_covid.nombre_columna=='*'

filtro=df_covid.[nombre_columna]=='*'

df_covid.region.value_counts() #contamos valores de las columnas

df_covid.region.value_counts(normalize=True) #contamos valores de las columnas

df_covid.region.unique()  #retorna valores unicos de las columnas, seria lo que en sql es un distinc

df_covid.groupby(['region']).cantidad.sum() #retorna la suma de la columna cantidad por cada region

filtro=df_covid.region=='Europe' #filtramos por region=Europa

filtro2=df_covid.Name=='Turkey' #filtramos por nombre=Turkey

df_final[filtro & filtro2] #y si queremos filtrar por region y nombre unimos en un filtro los anteriores

//**********************************************************************//

#Si queremos usar las hojas de un excel lo hacemos con sheet_name

import pandas as pd

archivo = 'C:/Python/Docs/ejemplo.xlsx'

df = pd.read_excel(archivo, sheet_name='Hoja1')

df.describe()

#Si queremos que la fila X de un excel sea nuestra cabecera....

df_met =  pd.read_excel ('Temperatura.xlsx',header=11)