Pandas GroupBy Index

Cuando se trabaja con datos en pandas, a menudo es necesario agruparlos según cierta clave o índice. El método `groupby()` es una de las funciones más útiles para realizar esta tarea y ofrece una gran cantidad de opciones para personalizar y obtener diferentes tipos de agregaciones de los datos agrupados. En este artículo, te mostraremos cómo utilizar el método `groupby()` en pandas para agrupar datos según el índice.

📋 Aquí podrás encontrar✍

Agrupación de datos según el índice
1. Personalización de la función de agregación
2. MultiLevel Index
Conclusión
Preguntas frecuentes

Agrupación de datos según el índice

Para agrupar datos en pandas según el índice, se utiliza el método `groupby()` y se especifica el nivel del índice que se desea usar para agrupar los datos. Por ejemplo, supongamos que tenemos un DataFrame con información sobre ventas en diferentes tiendas y queremos agrupar los datos por la ciudad de cada tienda, donde la ciudad es el índice del DataFrame.

Primero, cargamos los datos en un DataFrame:

import pandas as pd


datos = {

    'Ciudad': ['CDMX', 'CDMX', 'Monterrey', 'Monterrey', 'Guadalajara', 'Guadalajara'],

    'Tienda': [1, 2, 1, 2, 1, 2],

    'Ventas': [100, 200, 150, 250, 300, 400]

}

df = pd.DataFrame(datos) df = df.set_index('Ciudad')

Ahora, podemos usar el método `groupby()` para agrupar los datos por ciudad:

grupo_ciudad = df.groupby(level=0)

En este caso, `level=0` indica que queremos agrupar por el primer nivel del índice, que en este caso es la columna "Ciudad".

A continuación, podemos aplicar una función de agregación a los datos agrupados. Por ejemplo, podemos obtener el total de ventas por ciudad:

ventas_totales = grupo_ciudad.sum()

Ahora, `ventas_totales` es un DataFrame que contiene la suma de todas las ventas para cada ciudad.

Personalización de la función de agregación

El método `groupby()` en pandas permite personalizar la función de agregación a aplicar a los datos agrupados. Por defecto, se utiliza la función `mean()` (media), pero se puede especificar cualquier otra función de agregación, como `sum()`, `count()`, `max()`, `min()`, entre otras.

Para especificar una función de agregación distinta a la media, podemos usar la función `agg()` y pasarle como argumento la función de agregación que deseamos utilizar. Por ejemplo, si queremos obtener el máximo de ventas por ciudad, hacemos lo siguiente:

max_ventas = grupo_ciudad.agg({'Ventas': 'max'})

En este caso, especificamos que queremos aplicar la función `max()` a la columna "Ventas" del DataFrame.

MultiLevel Index

En el caso de que tengamos un índice con múltiples niveles, se puede agrupar por cada uno de los niveles. Para hacer esto, se usa `groupby()` con los niveles específicos que se quieran agrupar. Por ejemplo:

grupo_multi = df.groupby(level=['Ciudad', 'Tienda'])

Aquí, se indica que se quiere agrupar los datos por ciudad y por tienda.

Conclusión

El método `groupby()` en pandas es una herramienta poderosa para agrupar datos según cierto índice y obtener diferentes tipos de agregaciones de los mismos. Esto permite obtener un panorama de los datos de manera más clara y rápida. En este artículo, mostramos cómo usar `groupby()` para agrupar por índices simples y múltiples y cómo personalizar la función de agregación a aplicar.

Preguntas frecuentes

¿Se pueden aplicar varias funciones de agregación al mismo tiempo?

Sí, se pueden especificar varias funciones de agregación a aplicar a los datos agrupados usando `agg()` y pasando un diccionario con las diferentes funciones.

¿Cómo se puede filtrar datos después de aplicar `groupby()`?

Después de aplicar `groupby()`, se puede usar la función `filter()` para filtrar los datos según cierta condición. Por ejemplo, si queremos quedarnos únicamente con los datos de las ciudades donde las ventas totales superen los $500, hacemos lo siguiente:

filtrado = grupo_ciudad.filter(lambda x: x['Ventas'].sum() > 500)

Esto devolverá un DataFrame con los datos únicamente de las ciudades que cumplen con la condición.

¿Cómo se pueden ordenar los datos después de aplicar `groupby()`?

Después de aplicar `groupby()`, se puede usar la función `sort_values()` para ordenar los datos según cierta columna. Por ejemplo, si queremos ordenar los datos por ventas totales, hacemos lo siguiente:

ventas_ordenadas = ventas_totales.sort_values('Ventas', ascending=False)

Esto ordenará los datos en orden descendente de acuerdo al valor de ventas totales.