Aprender Pandas Pandas avanzado

Las capacidades avanzadas de Pandas permiten abordar análisis de datos complejos que van más allá de las operaciones básicas de filtrado y agregación. En este módulo se exploran tres áreas fundamentales para el trabajo profesional con datos.

Los índices jerárquicos (MultiIndex) permiten representar datos multidimensionales dentro de la estructura tabular de un DataFrame, facilitando la selección y reestructuración de información agrupada por múltiples claves. Las funciones de ventana (rolling, expanding, ewm) son esenciales en el análisis de series temporales y financieras, ya que permiten calcular estadísticas deslizantes que capturan tendencias y patrones a lo largo del tiempo. Por último, Pandas 2.x introduce mejoras significativas en el motor interno: Copy-on-Write como comportamiento por defecto, ArrowDtype para tipos de datos eficientes, el método case_when() para lógica condicional vectorizada, y mejoras en la API de tipos nullable.

import pandas as pd

# MultiIndex: acceder a datos con índices jerárquicos
ventas = pd.DataFrame({
    "region": ["Norte", "Norte", "Sur", "Sur"],
    "trimestre": ["Q1", "Q2", "Q1", "Q2"],
    "importe": [150000, 175000, 130000, 160000]
}).set_index(["region", "trimestre"])

print(ventas.loc["Norte"])  # todas las filas de la región Norte

# Función ventana: media móvil de 3 periodos
serie_ventas = pd.Series([100, 110, 105, 120, 115, 130, 125])
media_movil = serie_ventas.rolling(window=3).mean()
print(media_movil)

# Pandas 2.x: case_when para lógica condicional
df = pd.DataFrame({"puntuacion": [45, 72, 88, 55, 91]})
df["nivel"] = pd.Series(pd.NA, index=df.index, dtype="string[pyarrow]")
df["nivel"] = df["nivel"].case_when([
    (df["puntuacion"] >= 90, "Excelente"),
    (df["puntuacion"] >= 70, "Notable"),
    (df["puntuacion"] >= 50, "Aprobado"),
])
df["nivel"] = df["nivel"].fillna("Suspenso")
print(df)