Uso combinado de Pandas y NumPy

Pandas está construido sobre NumPy y ambos están estrechamente integrados. Comprender su interacción permite realizar procesamiento de datos y cálculos científicos de manera más eficiente.


Conversión mutua

Conversión entre DataFrame/Series y NumPy

Ejemplo

import pandas as pd
import numpy as np

# Convertir DataFrame a array de NumPy
df = pd.DataFrame({
    "A": [1, 2, 3],
    "B": [4, 5, 6]
})

arr = df.to_numpy()
print("DataFrame a array:")
print(arr)
print(f"Tipo: {type(arr)}")
print()

# Convertir Series a array
s = pd.Series([1, 2, 3])
arr = s.values  # O s.to_numpy()
print("Series a array:")
print(arr)
print()

# Convertir NumPy a DataFrame
arr = np.array([[1, 2], [3, 4], [5, 6]])
df = pd.DataFrame(arr, columns=["A", "B"])
print("Array a DataFrame:")
print(df)

Uso de funciones de NumPy en Pandas

Ejemplo

import pandas as pd
import numpy as np

s = pd.Series([1, 2, 3, 4, 5])

# Usar funciones de NumPy
print("Valor absoluto:", np.abs(s))
print("Raíz cuadrada:", np.sqrt(s))
print("Exponencial:", np.exp(s))
print("Logaritmo:", np.log(s))
print()

# Filtrado por condición
print("Valores mayores que 3:")
print(s[s > 3])

Operaciones vectorizadas

Ejemplo

import pandas as pd
import numpy as np

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

# Operaciones vectorizadas
print("A + B:", (df["A"] + df["B"]).tolist())
print("A * B:", (df["A"] * df["B"]).tolist())
print("A > B:", (df["A"] > df["B"]).tolist())
print()

# Usar apply para cálculo elemento por elemento
result = df.apply(lambda x: np.multiply(x, 2))
print("Cada elemento * 2:")
print(result)

Técnicas de cálculo numérico

Ejemplo

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "A": [1, 2, 3, 4, 5],
    "B": [10, 20, 30, 40, 50]
})

# Calcular el cambio porcentual de A respecto a B
df["Tasa de cambio"] = np.divide(df["A"], df["B"], where=df["B"] != 0) * 100
print("Cambio porcentual:")
print(df)
print()

# Usar np.where para asignación condicional
df["Etiqueta"] = np.where(df["A"] > 3, "Grande", "Pequeño")
print("Etiqueta condicional:")
print(df)

Cálculo estadístico

Ejemplo

import pandas as pd
import numpy as np

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# Funciones estadísticas de NumPy
print(f"Media: {np.mean(s):.2f}")
print(f"Desviación estándar: {np.std(s):.2f}")
print(f"Máximo: {np.max(s)}")
print(f"Mínimo: {np.min(s)}")
print()

# Mediana
print(f"Mediana: {np.median(s)}")

La profunda integración de Pandas y NumPy hace que el procesamiento de datos complejo sea sencillo y eficiente.

Otras extensiones