pandas es uno de los paquetes de ciencia de datos más populares de Python y la herramienta estándar para trabajar con datos tabulares en Python. Por suerte, una persona sin experiencia puede aprender y empezar a programar con pandas en un par de semanas. Aquí tienes por dónde empezar.
Qué saber antes de empezar
¿Qué es pandas?
pandas es uno de los primeros paquetes de Python que deberías aprender porque es fácil de usar, de código abierto, y te permite trabajar con grandes volúmenes de datos. Facilita una manipulación de datos rápida y eficiente, agregaciones y tablas dinámicas, funcionalidades flexibles para series temporales y mucho más.
pandas comparte mucha funcionalidad con SQL o Excel y puede leer varios tipos de datos: desde archivos CSV y de texto hasta archivos de Microsoft Excel, bases de datos SQL y más. Además, te permite convertirlos en un objeto DataFrame, que representa columnas y filas similares a los datos tabulares de Excel, pero en Python.
El DataFrame de pandas en acción
¿Cómo encaja pandas en el ecosistema PyData?
Al analizar datos con Python, pandas suele usarse junto con otros paquetes y herramientas. Estos abarcan desde paquetes de aprendizaje automático para generar predicciones, como scikit-learn, a librerías de visualización como Matplotlib y seaborn, y herramientas como los Jupyter Notebooks para crear y compartir informes con código, visualizaciones y texto. Todo ello conforma lo que se conoce como el ecosistema PyData. Pero no hace falta aprenderlo todo a la vez: empieza centrando tus esfuerzos en pandas.
Seis pasos para tu aprendizaje de pandas
1) Aprende la sintaxis básica de Python
pandas es un paquete para Python, así que necesitas tener claros los fundamentos de la sintaxis de Python antes de ponerte con pandas. Es fácil atascarse con la sintaxis, ya que muchos cursos introductorios la convierten en algo tedioso al centrarse solo en ella.
Como regla general, dedica el menor tiempo posible a la sintaxis y aprende justo lo necesario para empezar con tareas sencillas en pandas. Aquí tienes algunos recursos de Python puro para empezar con lo básico:
- A Practical Introduction to Python 3
- Página principal del tutorial de Python
- Introduction to Python de DataCamp
2) Configura tu entorno de Python
Antes de trabajar con pandas, necesitas tener un entorno de Python configurado en tu equipo. Así podrás poner en práctica lo que vayas aprendiendo y experimentar con pandas en tus propios datos.
Para preparar tu entorno de Python para ciencia de datos, te recomiendo instalar una distribución de Anaconda y así instalar cómodamente pandas junto con paquetes y herramientas relevantes como Jupyter Notebooks.
Si quieres una introducción paso a paso para configurar tu entorno con Anaconda, mira esta formación práctica. También puedes seguir estas guías para principiantes e instalar Anaconda en Windows y Mac OS X.
3) Aprende practicando
En DataCamp creemos que la mejor forma de aprender y asimilar competencias de programación es practicando. Aplicar tus habilidades con pandas en proyectos guiados te ayudará a salir de tu zona de confort, aprender a depurar y leer documentación, y ganar confianza trabajando con datos reales.
Para desenvolverte con pandas necesitas saber cómo importar y exportar distintos formatos de datos, manipular y reestructurar tablas, crear tablas dinámicas y agregaciones, extraer conclusiones sencillas a partir de DataFrames y más. Aquí tienes recursos que cubren estos temas y otros, con código de pandas fácil de aplicar en forma de proyectos guiados:
- El sitio web de pandas ofrece un montón de tutoriales para iniciarte con el paquete. Además, incluye numerosos tutoriales de la comunidad pensados para nuevos usuarios.
- Pandas Cookbook es un libro excelente que propone un enfoque práctico, con mucho código y basado en proyectos, para trabajar con pandas. También introduce otros paquetes del ecosistema PyData que suelen usarse junto a pandas, como seaborn para visualización.
- DataCamp ofrece una gama de cursos de pandas desde nivel inicial hasta avanzado. El curso pandas foundations te muestra cómo importar DataFrames, hacer análisis exploratorios básicos y analizar series temporales, todo desde el navegador.
4) Trabaja en proyectos con datos reales
Poner en práctica lo aprendido con pandas en datos del mundo real es una gran manera de consolidar tus habilidades y aplicarlas con seguridad en tu día a día.
Hay varias formas de empezar tu propio proyecto. Para comenzar, si en tu trabajo manejas datos tabulares, empieza a usar pandas en lugar de hojas de cálculo como Google Sheets o Microsoft Excel. Aunque al principio te lleve algo más de tiempo, afinarás y retendrás mejor tus habilidades con pandas, y a la larga trabajarás más rápido y con más soltura.
Kaggle reúne multitud de conjuntos de datos reales y competiciones de aprendizaje automático. Aunque te animo a aprender machine learning, es mejor para perfiles más avanzados; al principio céntrate en proyectos de análisis y exploración de datos con pandas. Puedes hacerlo creando notebooks de análisis en Kaggle o en plataformas de blogs como Medium.
5) Domina el arte del debugging
Una de las habilidades más infravaloradas que cualquier programador en ciernes debe pulir es la depuración. Toda persona que trabaja con Python y pandas, sin importar su nivel, se enfrenta a errores y problemas en su código. Cuando te topes con errores en tu código de pandas, tienes estos recursos a tu alcance:
- Google es mi primera parada cuando aparece un error. Casi siempre la respuesta a mi duda sobre pandas está entre los diez primeros resultados.
- Stack Overflow es la mayor comunidad de desarrolladores, donde puedes pedir ayuda para depurar código haciendo y respondiendo preguntas de programación. Actualmente incluye alrededor de 180.000 preguntas sobre pandas. Si vas a publicar una pregunta, asegúrate de seguir sus buenas prácticas al formular dudas.
- La documentación siempre será tu aliada, y la documentación de pandas es muy completa. Cubre todas las funcionalidades posibles de pandas, además de buenas prácticas.
6) Sigue ampliando tus habilidades con pandas
Continúa construyendo y ampliando tus competencias con pandas. Hay muchos recursos sobre temas avanzados. Por ejemplo, Mastering pandas, de Ashish Kumar, recoge técnicas para acelerar y simplificar tu flujo de trabajo con pandas. Esta entrada del blog de Real Python reúne trucos y consejos para usuarios avanzados. También puedes aprender cómo otros paquetes del ecosistema PyData amplían lo que puedes hacer con pandas, como seaborn y plotly, para crear visualizaciones interactivas.
Un gráfico interactivo creado con Plotly
Una gran manera de ampliar tus habilidades con pandas es volver a parte del código que escribiste al principio de tu aprendizaje. Intenta detectar oportunidades para simplificarlo, incorporar buenas prácticas y aprovechar otros paquetes del ecosistema PyData.
Espero que esta entrada te haya inspirado y que estos recursos te resulten útiles. Dominar pandas es un proceso de aprendizaje continuo, en el que yo mismo sigo inmerso. En DataCamp, pandas forma parte de todo nuestro programa de formación, y seguimos mejorando y ampliando el contenido. Para terminar, te invito a unirte a miles de estudiantes en la DataCamp Slack Community para recibir apoyo en tu camino con pandas.
Adel Nehme es Data Science Evangelist en DataCamp. Anteriormente fue Content Developer, donde colaboró con instructores en una amplia variedad de cursos de Python y creó nuestro curso Cleaning Data in Python.
