3er Parcial

Question 1

Para qué se utiliza la librería Pandas?

Answer 1

Trabajar con estructuras de datos.

Question 2

Qué tipo de datos puedo agregar a un Data Frame?

Answer 2

de cualquier tipo, no solo int.

Question 3

¿Qué características tiene la librería Pandas?

Answer 3

• define nuevas estructuras de datos basadas en los arrays de la librería NumPy pero con nuevas funcionalidades.
• Permite leer y escribir fácilmente ficheros en formato
  CSV, Excel y bases de datos SQL.
• Permite acceder a los datos mediante índices o nombres para filas y columnas.
• Ofrece métodos para reordenar, dividir y combinar conjuntos de datos.
• Permite trabajar con series temporales (fechas).
• Realiza todas estas operaciones de manera muy eficiente

Question 4

¿Para qué sirve el comando Pip?

Answer 4

Para instalar librerías no incluidas en Python, para ello se utiliza Pip Install Pandas (o el nombre de la librería) después de bajar el paquete.

Question 5

Pandas dispone de tres estructuras de datos diferentes:

Answer 5

1. Series
2. DataFrames
3. Panel

Question 6

¿Qué es una Serie y qué características tiene?

Answer 6

Estructura de una dimensión. Son estructuras similares a los arrays de una dimensión.
- Son homogéneas, es decir, sus elementos tienen que ser del mismo tipo, y su tamaño es inmutable, es decir, no se puede cambiar, aunque si su contenido.
- Dispone de un índice que asocia un nombre a cada elemento del la serie, a través de la cuál se accede al elemento.

Question 7

¿Qué es un DataFrame?

Answer 7

Estructura de dos dimensiones (tablas).

Question 8

¿Qué es un Panel?

Answer 8

Estructura de tres dimensiones (cubos).

Question 9

¿Cómo se construyen las estructuras de datos en Pandas?

Answer 9

A partir de arrays de la librería NumPy, añadiendo nuevas funcionalidades.
La diferencia es que las series aparecen con un índice. Su tamaño no es mutable (deben ser del mismo tamaño.

Question 10

ejercicio:
Escribe una serie a partir de una lista

Answer 10

import pandas as pd
s= pd.Series([‘Matemáticas’, ‘Historia’, ‘Economía’,
‘Programación’, Inglés’], index=[‘A1’, ‘A2’,’A3’,’A4’,’A5’], dtype=’string)

Question 11

¿Cómo se crean series a partir de una lista?

Answer 11

Series (data=lista, index=indices, dtype=tipo)
- Devuelve un objeto de tipo Series con los datos de la lista “lista”, las filas especificados en la lista “índices” y el tipo de datos indicado en tipo.
- Si no se pasa la lista de índices se utilizan como índices los enteros del 0 al n-1, donde n es el tamaño de la serie.
- Si no se pasa el tipo de dato se infiere.

Question 12

¿Cómo se crea una serie a partir de un diccionario?

Answer 12

Series(data=diccionario, index=indices)
- Devuelve un objeto de tipo Series con los valores del diccionario y las filas especificados en la lista “índices”.
- Si no se pasa la lista de índices se utilizan como índices las claves del diccionario.

Question 13

¿Qué diferencia tiene la creación de una serie a partir de una lista y de un diccionario?

Answer 13

Las listas utilizan corchetes [] y no necesitan de un índice ya que lo asigna automáticamente comenzando en 0.
Los diccionarios utilizan {} y asignan una palabra que funcionará como índice a un valor.

Question 14

ejercicio:
Crea una serie a partir de un diccionario

Answer 14

import pandas as pd
s = pd. Series({‘Matemática’: 6.0, ‘Economía’: 4.5, ‘Programación’: 8.5})
print(s)

Question 15

¿Qué hace dtype?

Answer 15

Devuelve el tipo de datos de los elementos en una serie.
ie.
print(s.dtype)

Question 16

¿Qué hace size?

Answer 16

Devuelve el número de elementos de la serie
ie.
print(s.size)

Question 17

¿Qué hace index?

Answer 17

Devuelve una lista con los nombres de las filas del DataFrame.
ie.
print(s.index)

Question 18

¿Qué método utilizamos para eliminar elementos nulos o desconocidos de una lista?

Answer 18

dropna()
Los datos desconocidos representan en Pandas por NaN y los nulos por None.
- Tanto unos como otros suelen ser un problema a la hora de realizar algunos análisis de datos, por lo que es habitual eliminarlos.
ie.
x=x.dropna()

Question 19

¿Qué método utilizamos para imprimir los valores de una lista con una condición?
Por ejemplo, aquellos mayores a 8 en una serie “y”.

Answer 19

ie.
Devuelve los elementos que corresponden al valor True del booleano.
print(y[y>8])

Question 20

¿Qué contiene un DataFrame?

Answer 20

Contiene dos índices, uno para filas y otro para las columnas, y se puede acceder a sus elementos mediante los nombres de las filas y columnas.

Question 21

¿Qué define un objeto del tipo DataFrame?

Answer 21

Define un conjunto de datos estructurado en forma de tabla donde cada columna es un objeto de tipo Series, es decir, todos los datos de una misma columna son del mismo tipo, y las filas son registros que pueden contender datos de distintos tipos.

Question 22

¿Qué sintaxis se utiliza para crear un DataFrame a partir de un diccionario?

Answer 22

DataFrame(data=diccionario, index, columns=columnas, dtype=tipos)
- La lista filas debe tener el mismo tamaño que las listas del diccionario, mientras que las listas columnas y tipos tienen que tener el mismo tamaño que el diccionario. Si no se pasa la lista de filas se utilizan como nombres los enteros empezando en 0. Si no se pasa la lista de columnas se utilizan como nombres las claves del diccionario. Si no se pasa la lista de tipos, se infiere.
- Los valores asociados a las claves del diccionario deben ser listas del mismo tamaño.

ie.
datos= {‘nombre’:[‘María’], ‘edad’:[19], ‘grado’:[‘1ro’]}
df=pd.DataFrame(datos)

Question 23

¿Qué sintaxis se utiliza para crear un DataFrame a partir de un Archivo CSV?

Answer 23

read_csv(fichero.csv, sep=separador, header=n, index_col=m, na_values=no-validos, decimal=separador-decimal)
- Devuelve un objeto del tipo DataFrame con los datos del archivoCSV. Usa sep como separador de los datos la cadena.
- Como nombres de columnas se utiliza los valores de la fila n.
- Como nombres de filas los valores de la columna m.
- Si no se indica m se utilizan como nombres de filas los enteros empezando en 0.
- Los valores incluídos en la lista no-validos se convierten en NaN.
- Para los datos numéricos se utiliza como separador de decimales el carácter indicado en separador-decimal.

ie.
df=pf.read_csv(“tabla_datos2.csv”, sep= ‘, ‘, decimal= “,”)

Question 24

¿Qué sintaxis se utiliza para crear un DataFrame a partir de un Archivo de Excel?

Answer 24

read_excel(fichero.xlsx, sheet_name=hoja, header=n, index_col=m, na_values=no-validos, decimal=separador-decimal)
- Devuelve un objeto del tipo DataFrame con los datos de la hoja de cálculo hoja del archivo Excel.
- Como nombres de columnas se utiliza los valores de la fila n y como
- nombres de filas los valores de la columna m.
- Si no se indica m se utilizan como nombres de filas los enteros empezando en 0.
- Los valores incluidos en la lista no-validos se convierten en NaN.
- Para los datos numéricos se utiliza como separador de decimales el carácter indicado en separador-decimal.

ie.
df=pd.read_excel(“tabla_datos2.xlsx”)

Question 25

¿Qué procedimiento utilizamos para añadir una columna a un DataFrame?

Answer 25

es similar al de añadir un nuevo par a un diccionario, pero pasando los valores de la columna en una lista o serie.

df[nombre] = lista/serie: Añade al DataFrame df una nueva columna con el nombre nombre y los valores de la lista “lista”/serie “serie”.
- Para la lista, debe tener el mismo tamaño que el número de filas de df.
- Para la serie, si el tamaño de la serie es menor que el número de filas de df se rellena con valores NaN mientras que si es mayor se recorta.

ie.
df=pd.read_excel(“tabla_datos2.xlsx”)
df[“edad”]=pd.Series([23,45,65])

Question 26

ejercicio:
crear una operación sobre columnas de un DataFrame

Answer 26

Cuando los datos de una misma columna de un DataFrame son del mismo tipo, es fácil aplicar la misma operación a todos los elementos de la columna.

import pandas as pd
df = pd.read_excel(‘tabla_datos2.xlsx’)
df[‘edad’]=pd.Series([23,45,65])
print(df)
print(df[‘estatura cm’]*100)
print(df[‘edad’]==45)

Question 27

Los DataFrame y las series comparten una serie de métodos para resumir la info de un DataFrame por columnas:

Answer 27

• df.count()
• df.sum()
• df.cumsum()
• df.min()
• df.max()
• df.describe(include=tipo)

Question 28

¿Qué hace el método df.count()?

Answer 28

Devuelve una serie número de elementos que no son nulos.

Question 29

¿Qué hace el método df.sum()?

Answer 29

Devuelve una serie con las suma de los datos de las columnas del DataFrame si cuando los datos son de un tipo numérico, o la concatenación de ellos cuando son del tipo cadena str.

Question 30

¿Qué hace el método df.cumsum()?

Answer 30

Devuelve un DataFrame con la suma acumulada de los datos de las columnas del DataFrame df cuando los datos son de un tipo numérico.

Question 31

¿Qué hace el método df.min()?

Answer 31

Devuelve una serie con los menores de los datos de las columnas del DataFrame df.

Question 32

¿Qué hace el método df.max()?

Answer 32

Devuelve una serie con los mayores de los datos de las columnas del DataFrame df.

Question 33

¿Qué hace el método df.describe(include=’tipo’)?

Answer 33

Devuelve un DataFrame con un resumen estadístico de las columnas del DataFrame df del tipo tipo. Para los datos numéricos (number) se calcula la media, la desviación típica, el mínimo, el máximo y los cuartiles de las columnas numéricas, para los no numéricos (object) se calcula el número de valores, valores distintos, moda y su frecuencia. Si no se indica el tipo, solo considera las columnas numéricas.

Question 34

¿Qué método utilizamos para guardar un archivo a formato csv?

Answer 34

df.to_csv(‘archivo.csv’, sep=’,’,columns=[‘nombre’, ‘edad’], index=False, header=True)

columns: una secuencia.
header: booleano o lista de strings. False=los nombres de las columnas no se guardan.
index: booleano. True=se guardan los nombres de las filas.

Question 35

¿Qué método utilizamos para guardar un archivo a formato excel?

Answer 35

df.to_excel(‘archivo.xlsx’, sheet_name=str, columns=True, index=False, header=True)

sheet_name: nombre de la hoja a la que el DataFrame se va
columns: secuencia o boolean.
header: boolean o secuencia. False=los nombres de las columnas no se guardan.
index=valor booleano o lista. True=se guardan los nombres de las filas.

Question 36

¿Para qué se utiliza openpyxl y por qué se originó?

Answer 36

Es una biblioteca de Python para leer/escribir archivos xlsx/xlsm/xltm de Excel 2010.

Nació de la falta de una biblioteca existente para leer/escribir de forma nativa desde Python el formato Office Open XML.
Permite un manejo fácil de archivos de excel.

Question 37

ejercicio:
crea un archivo utilizando comandos de la librería openpyxl

Answer 37

from openpyxl import Workbook
wb=Workbook()
wb.save(‘gatito.xlsx’)

Question 38

ejercicio:
crea una nueva hoja en un archivo existente utilizando comandos de la librería openpyxl

Answer 38

from openpyxl import load_workbook
ws=load_workbook(‘gatito.xlsx’)
ws.create_sheet(‘nueva hoja’)
ws.save(‘gatito.xlsx’)

Question 39

ejercicio:
manipula los datos de una hoja creada, cargando la hoja activa a una variable utilizando comandos de la librería openpyxl.

Answer 39

from openpyxl import load_workbook
from openpyxl import Workbook
wb=Workbook()
ws=load_workbook(“/content/hola.xlsx”)
ws=wb.active
ws.title=”nueva hoja”
ws[“E5”]=”datos”
ws[“F5”]=34
wb.save(“/content/hola.xlsx”)

Question 40

ejercicio:
carga un DataFrame a Excel con comandos de openpyxl

Answer 40

from openpyxl.utils.dataframe import dataframe _ to _ rows
from openpyxl import Workbook
wb=Workbook()
ws=wb.active

for r in dataframe _ to _ rows(df, index=True, header=True):
ws.append(r)

Question 41

¿Qué quiere decir que openpyxl tiene soporte incorporado para NumPy y que es compatible con marcas de tiempo de Pandas?

Answer 41

Que reconoce y trabaja con los tipos de datos de Numpy: float, int, boolean.
Que puede manejar objetos de DateTimes (fecha y hora) que itliza Pandas.

Question 41

¿Qué función facilita la manera de trabajar con Pandas DataFrames?

Answer 41

openpyxl.utils.dataframe -> dataframe _ to _ rows ()

Question 42

ejercicio:
crea una tabla utilizando openpyxl y dale formato

Answer 42

from openpyxl import Workbook
from openpyxl.worksheet.table import Table,TableStyleInfo
wb=Workbook()
ws=wb.active()

Datos=[* lista de datos en formato de arreglo *]
ws.append(datos)

for row in Datos:
ws.append(row)

tab=Table(displayName=’Tabla1’, ref=’A1:5’) #hasta dónde irá la tabla y nombre
style= TableStyleInfo(name=’TableStyleMedium28’, showFirstColumn=False,showLastColumn=False, showRowStripes=True, showColumnStripes=True) #se aplica estilo a la tabla
tab.tableStyleInfo = style

ws.add_table(tab) #se añade la tabla a la hoja activa
wb.save(‘nuevosdatos.xlsx’)

Question 43

¿Qué hace el método Workbook en openpyxl?

Answer 43

Toma un archivo y lo guarda como una variable para trabajar con él.
En caso de crear uno nuevo, por defecto comenzará una hoja de cálculo vacía.

Question 44

¿Qué tipos de graficas nos permite hacer openpyxl?

Answer 44

• de líneas
• de barras y columnas
• de áreas
• de dispersión
• circulares
• etc.

Question 45

ejercicio:
Crear una gráfica de barras utilizando los métodos BarChart, Reference, Series desde openpyxl.

Answer 45

from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference, Series
wb=Workbook
ws=wb.active

for i in range(10):
ws.append([i])
valores=Reference(ws, #rango de celdas que contienen los datos
min_col=1,
min_row=1,
max_col=1,
max_row=10)

chart=BarChart()
chart.add_data(valores)
ws.add_chart(chart, ‘E15’) #posiciona el gráfico
wb.save(‘/content/graficabarra.xlsx’)

Question 46

ejercicio:
Crea una gráfica de barras añadiendo etiquetas al eje de x, no solo valores.

Answer 46

from openpyxl.chart import BarChart, Reference, Series
wb = load_workbook(‘Datos a graficar.xlsx’)
ws = wb.active

valores = Reference(ws, #añade los valores
min_col=2,
min_row=1,
max_col=3,
max_row=7)
categorias = Reference(ws, #añade las etiquetas
min_col=1,
min_row=2,
max_col=1,
max_row=7)
chart = BarChart()
chart.add_data(valores,titles_from_data=True)
chart.set_categories(categorias)
chart.type=’col’
chart.title = “ Datos de edad y peso”
chart.x_axis.title = “ Nombres “
chart.y_axis.title = “ Valores “
ws.add_chart(chart, “E2”)

Question 47

¿Qué método se utiliza para apilar datos de una gráfica?

Answer 47

“stacked” ychart.overlap=100
ie.
chart = BarChart()
chart.add_data(valores,titles_from_data=True)
chart.set_categories(categorias)
chart.type=’col’
chart.grouping = “percentStacked”
chart.overlap = 100
chart.title = “ Datos de edad y peso”
chart.X_axis.title =” Nombres “
chart.y_axis.title = “ Valores “
ws.add_chart(chart, “E2”)

Question 48

¿Qué utilizamos para crear una gráfica de barras en 3D?

Answer 48

from openpyxl.chart import BarChart3D, Reference, Series

chart=BarChart3D()

Question 49

¿Qué utilizamos para crear una gráfica de líneas normal y en 3D?

Answer 49

from openpyxl.chart import LineChart, Reference
chart=LineChart()

o

from openpyxl.chart import LineChart3D, Reference, Series
chart=LineChart3D()

Question 50

¿Qué particularidad tienen los gráficos circulares o de pie?

Answer 50

Solo pueden tomar una única serie de datos.

Question 51

ejercicio:
crea una gráfica de datos circulares

Answer 51

from openpyxl import load_workbook
from openpyxl.chart import PieChart, ProjectedPieChart, Reference
wb = load_workbook(Datos a graficar.xlsx)
ws = wb.active

valores = Reference(ws, min_col=2, min_row=1, max_col=2, max_row=7)
categorias = Reference(ws, min_col=1, min_row=2, max_row=7)

chart = PieChart()
chart.type=’pie’
chart.split Type=”val”
chart.add_data(valores,titles_from_data=True)
chart.set_categories(categorias)
chart.title = “ Datos de edad”

ws.add_chart(chart, “E2”)
wb.save(“graficacircular.xlsx”)

Question 52

¿Cómo funcionan las gráficas circulares proyectadas?
ProjectedPieChart()

Answer 52

Los gráficos circulares proyectados extraen algunos sectores de un gráfico circular y los proyectan en un segundo gráfico circular o de barras.

Esto es útil cuando hay varios elementos más pequeños en la serie de datos.

El gráfico se puede dividir segun porcentaje, valor o posicion. Si no se establece nada, la aplicación decide cuál usar. Además, se pueden definir divisiones personalizadas.

Question 53

¿Qué utilizamos para crear una gráfica de radar?

Answer 53

from openpyxl.chart import RadarChart, Reference
RadarChart()

Question 54

¿Cómo grafico utilizando matplotlib?

Answer 54

con plot puedo graficar las variables que quiera:
plt.plot(w)
plt.plot(x)

ie.
plt.plot(df[“Edad”])
plt.show()

Question 55

¿Cómo agrego labels o leyendas a una gráfica en matplotlib?

Answer 55

con plt.legend() y agregando los labels a plt.plot()
ie.
import matplotlib as plt
plt.plot(df[“nombre”], df[“edad”], label=”edad”)
plt.legend()
plt.show()

Question 56

¿Qué método utilizo para rotar los labels de una gráfica en matplotlib?

Answer 56

plot.xticks(rotation=90)

Question 57

¿Qué método utilizo para agregar más de una gráfica en una fila en matplotlib?

Answer 57

subplots, el cual utiliza iterables para operar con datos aritméticos y aplicar el método plot para realizar las operaciones:
plt.subplot(renglones, columnas de los graf, no.de grafica)
ie.
plt.subplot(1,1,3)

Question 58

¿Para qué se utiliza la librería matplotlib?

Answer 58

Matplotlib es una librería de Python especializada en creación de gráficas de dos dimensiones.

Question 59

Menciona y explica los 6 principales tipos de gráfica en matplotlib

Answer 59

• plot=gráficas de línea
• scatter=gráfica de puntos (dispersión)
• bar=gráfica de barras verticales
• barh=gráfica de barras horizontales
• hist=histograma (distribución en intervalos)
• pie=gráfico de porcentajes

Question 60

¿Para qué se utiliza la gráfica de Histograma?

Answer 60

Para ver las tendencias.
Meto una lista con un montón de datos revueltos que se repiten y el histograma toma los datos y ve cómo se comporta, por lo general en gráfica de barras.

Question 61

¿Qué tipos de gráficos podemos hacer con matplotlib?

Answer 61

diagramas de barras
- histograma
- diagramas de sectores
- diagramas de caja y bigotes
- Diagramas de violín
- Diagramas de dispersión o puntos
- Diagramas de líneas
- Diagramas de áreas
- Diagramas de contorno
- Mapas de color

Question 62

¿Cuál es la sintaxis para dibujar polígonos solamente con el parámetro de “y” en matplotlib?

Answer 62

plt.plot(y)
de esta forma se puede graficar la variable x de forma unitaria y la variable y por sus alturas.
Los valores x son opcionales y predeterminados range(len(y))

Question 63

¿Cuál es la sintaxis para dibujar polígonos con el parámetro de “x” y “y” en matplotlib?

Answer 63

plt.plot(x,y)
de esta forma se pueden graficar los valores de x,y en ese orden en la gráfica.
Las coordenadas horizontales/verticales de los puntos de datos.

Question 64

¿Cómo se importa la librería de matplotlib?

Answer 64

import matplotlib.pyplot as plt

Question 65

ejercico:
agrega labels a los ejes en matplotlib

Answer 65

import numpy as np
import matplotlib.pyplot as plt
w,x,y,z=np.genfromtxt(‘tabla1.csv’,delimiter=’,,unpack=True)
a=np.genfromtxt(‘tabla1.csv’,delimiter=’,’)
print(a)

plt.plot(w,x)
plt.xlabel(‘eje x’)
plt.ylabel(‘eje y’)
plt.show()

Question 66

¿Cómo se agregan letreros a datos de una serie?

Answer 66

plt.plot(w, label=’dato1’)
y agregando
plt.legend()
en alguna parte del código

Question 67

¿Cómo diagramamos una gráfica de puntos utilizando matplotlib?

Answer 67

Con el método scatter(x,y). Uitliza las coordenadas de los ejes x y y.

Question 68

¿Cómo diagramamos una gráfica de barras utilizando matplotlib?

Answer 68

con plt.bar(x,y)

Question 69

¿Cómo diagramamos una gráfica de barras horizontales utilizando matplotlib?

Answer 69

con plt.barh(x,y)

Question 70

¿Cómo diagramamos una gráfica de histograma utilizando matplotlib?

Answer 70

con plt.hist()
ie.
plt.hist(x,np.arrange(0,21), label=’histograma’)

Question 71

¿Cómo diagramamos una gráfica de pie utilizando matplotlib?

Answer 71

con pie(x)

Question 72

¿Qué método utilizamos para redimensionar una gráfica?

Answer 72

plt.figure(figsize=(ancho, altura))

Question 73

¿Qué método utilizamos para graficar sin encimar las gráficas?

Answer 73

plt.tight_layout()

Question 74

¿Cómo guardamos una imagen (gráfica) en matplotlib?

Answer 74

from openpyxl.drawing.image import Image
plt.savefig(“image.jpg”)
plt.close()
graf1=Image(“image.jpg”)
ws2.add_image(graf1, “A1”)

Question 75

¿Para qué se utiliza genfromtxt de la librería NumPy?

Answer 75

Para traer archivos csv, que se distinguen por su separación por comas.

Question 76

¿Qué parametros utiliza la rutina genfromtxt?

Answer 76

x=np.genfromtxt(‘tabla.csv’,delimiter= ‘,’,skip_header=1, unpack=True, usecols=[1,2],dtype=str)

• delimiter=especifica el caractér que separa los valores en cada línea del archivo de texto
• skip_header=permite omitir filas específicas, por ejemplo comentarios
• unpack= para extraer la información por columnas. cuando es True los datos se descomponen en varias variables, una por columna (para obtener un array por columna de datos)
• usecols= para utilizar ciertas columnas en particular
• dtype=para convertir los datos a otro formato

Question 77

¿Cómo se guardan los archivos de texto en NumPy?

Answer 77

numpy.savetxt()

Question 78

¿Qué parámetros utiliza la rutina numpy.savetxt() para guardar archivos de texto?

Answer 78

numpy.savetxt(fname,X,fmt=’%.18e’,delimiter=’ ‘, newline=’\n, header=’ ‘, footer=’ ‘, comments=’#’, encoding=None)

• fname=nombre del archivo. Si termina .gz se guarda automáticamente en .gzip comprimido.
• X=1D o 2D array, datos que se guardan en un archivo.
• delimiter= str, opcional. indica la separación de cadenas
• header= muestra los títulos
• fmt= str o secuencia de str, opcional. para indicar que tiene x posiciones después del punto (%.5f=5 puntos decimales; %.18e=notación científica con 18 decimales)