{"componentChunkName":"component---src-templates-blog-post-js","path":"/24-06-2020/","result":{"data":{"site":{"siteMetadata":{"title":"Sandra Rairán"}},"markdownRemark":{"id":"d19d1e4d-b11b-5f0c-bc7f-c990905a531a","excerpt":"Leer un Csv - Pandas DFCOVID = pd.readcsv(‘./CasospositivosdeCOVID-19en_Colombia.csv’,encoding=‘utf-8’) Leer un Csv - R COVID19<- read.csv…","html":"

Leer un Csv - Pandas

\n

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

\n

Leer un Csv - R

\n

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

\n

Tipo de dato - Pandas

\n

type(DF_COVID)

\n

Cuantas lineas y columnas tiene nuestro dataframe - Pandas

\n

DF_COVID.shape

\n

Cuantas lineas y columnas tiene nuestro dataframe - R

\n

dim(COVID19)

\n

Tipo de dato - Pandas

\n

type(DF_COVID)

\n

Tipo de dato - R

\n

class(COVID19)

\n

Visualizemos las columnas - Pandas

\n

DF_COVID.columns

\n

Visualizemos las columnas - R

\n

colnames(COVID19_)

\n

Convertir a Minúsculas - Pandas

\n

df.column_name.str.lower()

\n

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

\n

Convertir a Minúsculas - R

\n

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

\n

Reemplazar un cadena por otra - Pandas

\n

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

\n

Reemplazar un cadena por otra - R

\n

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

\n

Convertir Date - Pandas

\n

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

\n

Convertir Date - R

\n

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

\n

Colocar nombre a las columnas - Pandas

\n

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

\n

Colocar nombre a las columnas - R

\n

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

\n

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

\n

Creando una nueva fila en DF - Pandas

\n

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

\n

Creando una nueva fila en DF - R

\n

zb<-data.frame(Codigo=c(47980),\nNombre=c(“Zona Bananera”),\nCodigodepartamento=c(47),\nNombredepartamento=c(“Magdalena”),\nLatitud=c(“10.849993”),\nLongitud=c(-74.060849)) # Creando un DF con las nuevas oservaciones de Zona Bananera

\n

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

\n

Unir dos DdataFrames - Pandas

\n

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

\n

Ó

\n

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

\n

Unir dos DdataFrames - R

\n

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

\n

Eliminar columnas - Pandas

\n

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

\n

Eliminar columnas - R

\n

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

\n

Agrupar y summarise - Pandas

\n

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

\n

Ó

\n

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

\n

Agrupar y summarise - R

\n

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

\n

filter - Pandas

\n

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

\n

filter - R

\n

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

\n

Pivot - Pandas

\n

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

\n

Pivot - R

\n

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

","frontmatter":{"title":"Manipulación de Datos con Pandas y R","date":"June 24, 2020","description":"Manipulación Datos con Pandas python y R"}}},"pageContext":{"slug":"/24-06-2020/","previous":{"fields":{"slug":"/11-06-2020/"},"frontmatter":{"title":"Introducción Time Series R con ggplot2"}},"next":{"fields":{"slug":"/25-06-2020/"},"frontmatter":{"title":"Computer Vision"}}}},"staticQueryHashes":["2841359383","3257411868"]}