Pandas es una poderosa biblioteca de Python para la manipulación y el análisis de datos. Su núcleo es el DataFrame, una estructura de datos etiquetada bidimensional y versátil. Con frecuencia, necesitarás crear DataFrames a partir de datos existentes, y las listas proporcionan un punto de partida común y conveniente. Este artículo explora varios métodos eficientes para construir Pandas DataFrames a partir de diversas estructuras de listas.
Tabla de contenido
- Método 1: Desde una lista simple
- Método 2: Desde una lista de listas
- Método 3: Desde una lista de diccionarios
- Método 4: Aprovechando las matrices NumPy
- Conclusión
- Preguntas frecuentes
Método 1: Desde una lista simple
El enfoque más simple utiliza una sola lista para crear un DataFrame. Esto es ideal para datos que representan una sola columna.
import pandas as pd
data = [10, 20, 30, 40, 50]
df = pd.DataFrame(data, columns=['Valores'])
print(df)
Esto crea un DataFrame con una columna, ‘Valores’, poblada por los elementos de la lista data.
Método 2: Desde una lista de listas
Para DataFrames de varias columnas, una lista de listas es más versátil. Cada lista interna representa una fila.
import pandas as pd
data = [[1, 'Alice', 25], [2, 'Bob', 30], [3, 'Charlie', 28]]
df = pd.DataFrame(data, columns=['ID', 'Nombre', 'Edad'])
print(df)
La lista externa contiene filas, y columns especifica los nombres de las columnas. Asegúrate de que cada lista interna tenga la misma longitud que el número de columnas.
Método 3: Desde una lista de diccionarios
Este método ofrece mayor legibilidad y flexibilidad, especialmente con columnas nombradas. Cada diccionario representa una fila, con las claves como nombres de columna.
import pandas as pd
data = [{'ID': 1, 'Name': 'Alice', 'Age': 25},
{'ID': 2, 'Name': 'Bob', 'Age': 30},
{'ID': 3, 'Name': 'Charlie', 'Age': 28}]
df = pd.DataFrame(data)
print(df)
Los nombres de las columnas se infieren automáticamente de las claves del diccionario. Esto generalmente se prefiere por su claridad, particularmente con conjuntos de datos más grandes.
Método 4: Aprovechando las matrices NumPy
Para datos numéricos, las matrices NumPy ofrecen ventajas de rendimiento.
import pandas as pd
import numpy as np
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
df = pd.DataFrame(data, columns=['A', 'B', 'C'])
print(df)
El almacenamiento eficiente de NumPy mejora la velocidad de creación de DataFrame, especialmente con datos numéricos extensos.
Conclusión
Crear Pandas DataFrames a partir de listas proporciona un flujo de trabajo flexible y eficiente. El mejor enfoque depende de la estructura de tus datos y las necesidades de rendimiento. Las listas de diccionarios a menudo proporcionan el mejor equilibrio entre legibilidad y facilidad de uso, mientras que las matrices NumPy son ideales para la optimización del rendimiento con grandes conjuntos de datos numéricos.
Preguntas frecuentes
- P: ¿Qué sucede si las listas internas tienen longitudes variables? R: Pandas generará un
ValueError. Mantén longitudes consistentes en todas las listas internas. - P: ¿Puedo crear un DataFrame con una sola fila? R: Sí, utiliza cualquier método con una sola lista, una lista con una lista interna o una lista con un diccionario.
- P: ¿Cómo maneja Pandas los tipos de datos mixtos? R: Pandas infiere el tipo de datos más adecuado para cada columna.
- P: ¿Cómo represento los datos faltantes? R: Usa
np.nan(Not a Number) para representar los valores faltantes.