Pandas (software)

Pandas
Información general
Tipo de programa	biblioteca de Python
Autor	Wes McKinney
Desarrollador	Comunidad
Modelo de desarrollo	Software libre
Lanzamiento inicial	11 de enero de 2008
Licencia	Licencia BSD
Información técnica
Programado en	Python
Versiones
Última versión estable	2.2.2 / 10 de abril de 2024 ()
Archivos legibles
Hierarchical Data Format
Archivos editables
Hierarchical Data Format
Enlaces
Sitio web oficial Blog Repositorio de código Seguimiento de errores
[editar datos en Wikidata]

Pandas es una biblioteca de Python especializada en la manipulación y el análisis de datos. Ofrece estructuras de datos y operaciones para manipular tablas numéricas y series temporales, es como el Excel de Python. Es un software libre distribuido bajo la licencia BSD.​ El nombre deriva del término "datos de panel", término de econometría que designa datos que combinan una dimensión temporal con otra dimensión transversal.​

• Tipo de datos DataFrame para manipulación de datos con indexación integrada.
• Herramientas para leer y escribir datos entre estructuras de dato en-memoria y formatos de archivo variados.
• Alineación de dato y manejo integrado de datos faltantes.
• Reestructuración y segmentación de conjuntos de datos.
• Segmentación vertical basada en etiquetas, indexación elegante, y segmentación horizontal de grandes conjuntos de datos.
• Inserción y eliminación de columnas en estructuras de datos.
• Agrupación predefinida en la biblioteca lo que permite realizar cadenas de operaciones dividir-aplicar-combinar sobre conjuntos de datos.
• Mezcla y unión de datos.
• Indexación jerárquica de ejes para trabajar con datos de altas dimensiones en estructuras de datos de menor dimensión.
• Funcionalidad de series de tiempo: generación de rangos de fechas y conversión de frecuencias, desplazamiento de ventanas estadísticas y de regresiones lineales, desplazamiento de fechas y retrasos.​

La biblioteca ha sido altamente optimizada en cuanto a rendimiento, con caminos de código crítico escritos en Cython o en C.​

Su principal desarrollador, Wes McKinney, empezó a desarrollar Pandas en el año 2008 mientras trabajaba en AQR Capital por la necesidad que tenía de una herramienta flexible de alto rendimiento para realizar análisis cuantitativo en datos financieros.​ Antes de dejar AQR convenció a la administración de la empresa de distribuir esta biblioteca bajo licencia de código abierto. Otro empleado de AQR, Chang Ella, se unió en 2012 al esfuerzo de desarrollo de la biblioteca.

• 2008: Comienza el desarrollo de pandas
• 2009: Pandas se convierte en un software de código abierto
• 2012: Es publicada la primera edición de Python for Data Analysis
• 2015: pandas se convierte en un proyecto esponsorizado por NumFOCUS
• 2018: Primer sprint presencial de desarrolladores del núcleo

Curvas

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.DataFrame(np.random.randn(100, 5), columns=list('ABCDE'))
df=df.cumsum() # Return cumulative sum over a DataFrame or Series axis
df.plot()
plt.show()

Gráfica de barras

df = pd.DataFrame(np.random.rand(10, 5), columns=list('ABCDE'))
df.plot.bar(stacked=True)
plt.show()

Diagrama de caja

df = pd.DataFrame(np.random.rand(7, 5), columns=list('ABCDE'))
df.plot.box()
plt.show()

Histograma

data = pd.Series(np.random.normal(size=100))
data.hist(grid=False)
plt.show()

• matplotlib
• NumPy
• SciPy
• R (lenguaje de programación)
• Scikit-learn

• Sitio web oficial