Trabajar con datos numéricos

Análisis exploratorio de datos en Python

George Boorman

Curriculum Manager, DataCamp

Conjunto de datos original sobre salarios

print(salaries.info())

Conjunto de datos original sobre salarios

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 594 entries, 0 to 593
Data columns (total 9 columns):
 #   Column                Non-Null Count  Dtype  
--   ------                --------------  -----  
 0   Working_Year          594 non-null    int64  
 1   Designation           567 non-null    object 
 2   Experience            561 non-null    object 
 3   Employment_Status     563 non-null    object 
 4   Salary_In_Rupees      566 non-null    object 
 5   Employee_Location     554 non-null    object 
 6   Company_Location      570 non-null    object 
 7   Company_Size          535 non-null    object 
 8   Remote_Working_Ratio  571 non-null    float64
dtypes: float64(1), int64(1), object(7)
memory usage: 41.9+ KB
None

Salario en rupias

print(salaries["Salary_In_Rupees"].head())

0    20,688,070.00
1     8,674,985.00
2     1,591,390.00
3    11,935,425.00
4     5,729,004.00
Name: Salary_In_Rupees, dtype: object

Convertir cadenas en números

Eliminar los valores de coma en Salary_In_Rupees

Convierte la columna al tipo de datos float

Crea una nueva columna convirtiendo la moneda

Billetes de dólar

Convertir cadenas en números

pd.Series.str.replace("characters to remove", "characters to replace them with")

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].str.replace(",", "")

print(salary["Salary_In_Rupees"].head())

1    20688070.00
2     8674985.00
3     1591390.00
4    11935425.00
5     5729004.00
Name: Salary_In_Rupees, dtype: object

Convertir cadenas en números

salaries["Salary_In_Rupees"] = salaries["Salary_In_Rupees"].astype(float)

1 rupia india = 0,012 dólares

salaries["Salary_USD"] = salaries["Salary_In_Rupees"] * 0.012

Vista previa de la nueva columna

print(salaries[["Salary_In_Rupees", "Salary_USD"]].head())

   Salary_In_Rupees  Salary_USD
0        20688070.0  248256.840
1         8674985.0  104099.820
2         1591390.0   19096.680
3        11935425.0  143225.100
4         5729004.0   68748.048

Añadir estadísticas resumidas a un DataFrame

salaries.groupby("Company_Size")["Salary_USD"].mean()

Company_Size
L    111934.432174
M    110706.628527
S     69880.980179
Name: Salary_USD, dtype: float64

Añadir estadísticas resumidas a un DataFrame

Agrupa por la columna de experiencia

salaries["std_dev"] = salaries.groupby("Experience")

Añadir estadísticas resumidas a un DataFrame

A continuación, selecciona la columna Salary_USD

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"]

Añadir estadísticas resumidas a un DataFrame

Llama al método punto-transform de pandas

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(

Añadir estadísticas resumidas a un DataFrame

Aplica una función lambda

salaries["std_dev"] = salaries.groupby("Experience")["Salary_USD"].transform(lambda x: x.std())

Añadir estadísticas resumidas a un DataFrame

print(salaries[["Experience", "std_dev"]].value_counts())

Experience         std_dev
SE                 52995.385395        257
MI                 63217.397343        197
EN                 43367.256303         83
EX                 86426.611619         24

Añadir estadísticas resumidas a un DataFrame

salaries["median_by_comp_size"] = salaries.groupby("Company_Size") \
                                        ["Salary_USD"].transform(lambda x: x.median())

print(salaries[["Company_Size", "median_by_comp_size"]].head())

     Company_Size     median_by_comp_size
0    S                60833.424
1    M                105914.964
2    S                60833.424
3    L                95483.400
4    L                95483.400

¡Vamos a practicar!

Análisis exploratorio de datos en Python