Resumen de datos

Análisis exploratorio de datos en Python

Izzy Weber

Curriculum Manager, DataCamp

Exploración de grupos de datos

.groupby() agrupa los datos por categoría
La función de agregación indica cómo resumir los datos agrupados.

books[["genre", "rating", "year"]].groupby("genre").mean()

|       genre |   rating |        year |
|-------------|----------|-------------|
|   Childrens | 4.780000 | 2015.075000 |
|     Fiction | 4.570229 | 2013.022901 |
| Non Fiction | 4.598324 | 2013.513966 |

Funciones de agregación

Suma: .sum()
Recuento: .count()
Mínimo: .min()
Máximo: .max()
Varianza: .var()
Desviación típica: .std()

Agregar datos no agrupados

.agg() aplica funciones de agregación en un DataFrame

books[["rating", "year"]].agg(["mean", "std"])

|      |   rating |        year |
|------|----------|-------------|
| mean | 4.608571 | 2013.508571 |
|  std | 0.226941 |     3.28471 |

Especificar agregaciones para columnas

books.agg({"rating": ["mean", "std"], "year": ["median"]})

|        |   rating |   year |
|--------|----------|--------|
|   mean | 4.608571 |    NaN |
|    std | 0.226941 |    NaN |
| median |      NaN | 2013.0 |

Columnas de resumen con nombre

books.groupby("genre").agg(
    mean_rating=("rating", "mean"),
    std_rating=("rating", "std"),
    median_year=("year", "median")
)

|  genre      | mean_rating | std_rating | median_year |
|-------------|-------------|------------|-------------|
|   Childrens |    4.780000 |   0.122370 |      2015.0 |
|     Fiction |    4.570229 |   0.281123 |      2013.0 |
| Non Fiction |    4.598324 |   0.179411 |      2013.0 |

Visualizar resúmenes categóricos

sns.barplot(data=books, x="genre", y="rating")
plt.show()

Un gráfico de barras con los géneros literarios y sus valoraciones medias

¡Vamos a practicar!

Análisis exploratorio de datos en Python