Manipulación de Datos con Pandas y R

Leer un Csv - Pandas

DFCOVID = pd.readcsv(‘./CasospositivosdeCOVID-19en_Colombia.csv’,encoding=‘utf-8’)

Leer un Csv - R

COVID19<- read.csv(“CasospositivosdeCOVID-19en_Colombia.csv”)

Tipo de dato - Pandas

type(DF_COVID)

Cuantas lineas y columnas tiene nuestro dataframe - Pandas

DF_COVID.shape

Cuantas lineas y columnas tiene nuestro dataframe - R

dim(COVID19)

Tipo de dato - Pandas

type(DF_COVID)

Tipo de dato - R

class(COVID19)

Visualizemos las columnas - Pandas

DF_COVID.columns

Visualizemos las columnas - R

colnames(COVID19_)

Convertir a Minúsculas - Pandas

df.column_name.str.lower()

df[‘column_name’].str.lower() DF_COVID[‘Ciudad de ubicación’].str.lower()

Convertir a Minúsculas - R

COVID19$Ciudad.de.ubicación <- tolower(COVID19$Ciudad.de.ubicación)

Reemplazar un cadena por otra - Pandas

DF_COVID[‘fecha reporte web’].replace(“T00:00:00.000”, "", regex=True)

Reemplazar un cadena por otra - R

COVID19$Fecha.diagnostico <-gsub(“T00:00:00.000”, "", COVID19$Fecha.diagnostico)

Convertir Date - Pandas

DFCOVID[‘fecha reporte web’] = pd.todatetime(DF_COVID[‘fecha reporte web’])

Convertir Date - R

COVID19Colombia$fecha.reporte.web <- as.Date(COVID19Colombia$fecha.reporte.web)

Colocar nombre a las columnas - Pandas

municipioscolombia.columns = [‘Codigo’, ‘Nombre’, ‘Codigodepartamento’, ‘Nombredepartamento’, ‘Latitud’, ‘Longitud’]

Colocar nombre a las columnas - R

municipioscolombia = read.table(“municipioscolombia.csv”, header=T, sep=”,” , dec=”.”) names (municipioscolombia)

names (municipioscolombia) = c(“Codigo”, “Nombre”, “Codigodepartamento”, “Nombredepartamento”, “Latitud”, “Longitud” ) names (municipioscolombia)

Creando una nueva fila en DF - Pandas

municipioscolombia.loc[“1102”] = [47980,“Zona Bananera”,47,“Magdalena”,“10.849993”,-74.060849 ]

Creando una nueva fila en DF - R

zb<-data.frame(Codigo=c(47980), Nombre=c(“Zona Bananera”), Codigodepartamento=c(47), Nombredepartamento=c(“Magdalena”), Latitud=c(“10.849993”), Longitud=c(-74.060849)) # Creando un DF con las nuevas oservaciones de Zona Bananera

municipioscolombia<-rbind(municipioscolombia,zb) # Uniendo los nuevos dataframe.

Unir dos DdataFrames - Pandas

pd.concat([DF_COVID,municipioscolombia], axis=1)

Ó

COVID19 = pd.merge(DFCOVID,municipioscolombia, lefton=“Código DIVIPOLA”, right_on=“Codigo”)

Unir dos DdataFrames - R

COVID19Colombia <- merge(COVID19Colombia, municipioscolombia, by.x=“Codigo”, by.y=“Codigo”, all.x=TRUE)

Eliminar columnas - Pandas

COVID19 = COVID19.drop([‘Codigo’, ‘Nombre’,‘Codigodepartamento’,‘Nombredepartamento’], axis=1)

Eliminar columnas - R

COVID19Colombia <- select(COVID19Colombia, -c(Nombre,Codigodepartamento, Nombredepartamento ))

Agrupar y summarise - Pandas

COVID19[‘COUNTER’] =1 #initially, set that counter to 1. byubicaten = COVID19.groupby([‘Ciudad de ubicación’,‘atención’])[‘COUNTER’].sum() #sum function print(byubicaten)

Ó

(COVID19.groupby([‘Ciudad de ubicación’, ‘atención’]).size() .sortvalues(ascending=False) .resetindex(name=‘count’) .drop_duplicates(subset=‘atención’))

Agrupar y summarise - R

byubicaten <- COVID19Colombia %>% groupby(COVID19Colombia$Ciudad.de.ubicación, COVID19Colombia$atención ) byatencion <- byubicaten %>% summarise(n = n()) byatencion

filter - Pandas

COVID19.query(‘COUNTER == 1 & atención ==“Casa”‘)

filter - R

byquindio <- filter(COVID19Colombia, COVID19_Colombia$Departamento.o.Distrito == “Quindío” )

Pivot - Pandas

Aten.pivottable(index=‘Ciudad de ubicación’, columns=‘atención’, values=‘count’, fillvalue=0)

Pivot - R

pivotwider(namesfrom = “COVID19Colombia$atención”, valuesfrom = “n”, values_fill = list(n = 0))