En este tutorial, vamos a aprender qué es Pandas, lo vamos a instalar y probar en Ubuntu 18.04.

¿Qué es?

Pandas es una biblioteca software para Python para el análisis y manipulación de datos. Es una extensión de NumPy. La página oficial de Pandas se encuentra en:

https://pandas.pydata.org/

¿Cómo lo instalo?

Para instalarlo, seguiremos el tutorial de Primeros pasos con NumPy. A continuación, instalaremos Pandas:

sudo pip install pandas

O si queremos trabajar con Python 3 (algo recomendable):

sudo pip3 install pandas

Con esto, ya tenemos Pandas listo para usar en nuestra máquina.

¿Por dónde empiezo?

En primer lugar, crearemos un archivo en Python (en mi caso, hi-pandas.py). La primera línea que necesitamos escribir para usar Pandas es:

import pandas as pd

A partir de aquí, podremos usar todas las funciones de Pandas con pd.

Escribiremos las siguientes líneas, para mostrar por pantalla la versión de Pandas instalada:

# Python
import pandas as pd
print("--------------------------------------")
print("Hi Pandas! Version: " + pd.__version__)
print("--------------------------------------")

Desde la consola, ejecutamos el script (trabajaremos con Python 3, con Python 2 serían los mismos comandos, pero en lugar de escribir python3, escribiremos python).

$ python3 hi-pandas.py 
 Hi Pandas! Version: 1.0.1

Si todo ha ido bien, la consola habrá mostrado el mensaje de bienvenida.

Ahora, vamos a cargar una tabla de datos sobre algunos libros y a hacer una serie de cálculos sobre ella. Para ello, añadimos a nuestro archivo lo siguiente:

raw_data = {'titulo': ['Clean Code', 'Head First Design Patterns', 'Artificial Intelligence with Python', 'Electrónica para Makers'], 
        'autor': ['Robert C. Martin', 'Eric Freeman', 'Prateek Joshi', 'Paolo Aliverti'], 
        'paginas': [464, 694, 446, 376],
        'precio': [35.40, 41.00, 45.74, 23.70],
        'puntuacion': [4.6, 4.5, 3.5, 4.4]
}

Creamos un DataFrame y lo mostramos por consola:

df = pd.DataFrame(raw_data, columns = ['titulo', 'autor', 'paginas', 'precio', 'puntuacion'])

print(df)

Por último, vamos a probar a hacer unas operaciones estadísticas básicas. Para ello, calculamos el precio medio, la puntuación media y el número máximo y mínimo de páginas:

print("Precio medio:", df["precio"].mean())
print("Puntuación media:", df["puntuacion"].mean())
print("Número de páginas (máximo):", df["paginas"].max())
print("Número de páginas (mínimo):", df["paginas"].min())

Si todo ha ido bien, nos mostrará por consola el siguiente resultado:

--------------------------------------
Hi Pandas! Version: 1.0.1
--------------------------------------
                                titulo             autor  paginas  precio  puntuacion
0                           Clean Code  Robert C. Martin      464   35.40         4.6
1           Head First Design Patterns      Eric Freeman      694   41.00         4.5
2  Artificial Intelligence with Python     Prateek Joshi      446   45.74         3.5
3              Electrónica para Makers    Paolo Aliverti      376   23.70         4.4
Precio medio: 36.46
Puntuación media: 4.25
Número de páginas (máximo): 694
Número de páginas (mínimo): 376

El código lo tengo compartido en mi cuenta de GitHub:

https://github.com/diegorys/ml-py-examples/blob/master/hi/hi-pandas.py