Explorar un DataFrame

Concepto

Antes de calcular nada con una tabla que no conoces, mírala: cuántas filas y columnas tiene, cómo se ven los primeros registros y qué tipo de dato guarda cada columna. Esa primera mirada evita errores que después cuestan mucho encontrar.

Los ejemplos usan una tabla ventas; en la tarea vas a explorar encuesta, que ya viene cargada desde el archivo datos/encuesta.csv. En la próxima lección vas a cargar los archivos tú.

df.head()
df.shape
df.info()

head(): las primeras filas. df.head() muestra las 5 primeras filas; df.head(3), las 3 primeras. df.tail() hace lo mismo con las últimas. Sirve para ver la forma de los datos sin imprimir la tabla entera.

ventas.head(2)

shape: el tamaño. df.shape es una tupla con (filas, columnas). Como toda tupla, se puede desempaquetar.

ventas.shape            # (1200, 7): 1200 filas y 7 columnas
n_filas, n_columnas = ventas.shape

info(): las columnas por dentro. df.info() imprime, por cada columna, su nombre, cuántos valores no vacíos tiene (Non-Null Count) y su tipo (Dtype). int64 y float64 son números; object suele ser texto. Si una columna que debería ser número aparece como object, algún valor tiene texto mezclado. Si el conteo de no vacíos es menor que el total de filas, hay datos faltantes.

ventas.info()

describe(): un resumen numérico. df.describe() calcula, para cada columna numérica, el conteo, el promedio, el mínimo, el máximo y los cuartiles. Es una forma rápida de detectar valores raros, como una edad de 250.