Día 21 — Pandas: análisis de datos de nivel profesional

Pandas es la librería de análisis de datos más utilizada en Python, y prácticamente un estándar en el sector. Su estructura principal, el DataFrame, funciona de forma similar a una hoja de cálculo: organiza los datos en filas y columnas, permitiendo filtrar, ordenar, agrupar y calcular estadísticas con muy pocas líneas de código.

Una de sus mayores ventajas es la capacidad de leer y escribir múltiples formatos de archivo (CSV, Excel, JSON, bases de datos SQL) de forma directa, lo que la convierte en la herramienta ideal para automatizar tareas de análisis que tradicionalmente se hacían manualmente en hojas de cálculo.

Código de ejemplo:

import pandas as pd

datos = {
    "nombre": ["Ana", "Luis", "María"],
    "edad": [25, 30, 28],
    "salario": [2500, 3200, 2800]
}

df = pd.DataFrame(datos)
print(df)
print(df["salario"].mean())        # Media de la columna
print(df[df["edad"] > 27])         # Filtrar filas

Día 20 — Módulos: aprovechando la librería estándar de Python

Python incluye una extensa colección de módulos integrados, conocida popularmente como "baterías incluidas", que cubren desde operaciones matemáticas avanzadas hasta manejo de fechas o generación de números aleatorios, sin necesidad de instalar nada adicional.

Entre los módulos más utilizados destacan math para cálculos matemáticos, random para generar valores aleatorios y datetime para trabajar con fechas y horas. Conocer bien la librería estándar te evitará reinventar funcionalidades que Python ya resuelve de forma nativa y optimizada.

Código de ejemplo:

import math
import random
from datetime import datetime

print(math.sqrt(144))         # 12.0
print(math.pi)                # 3.141592653589793
print(random.randint(1, 100)) # Número aleatorio entre 1 y 100

hoy = datetime.now()
print(hoy.strftime("%d/%m/%Y"))    # Fecha formateada

Día 19 — JSON: el formato universal de intercambio de datos

 JSON (JavaScript Object Notation) es el formato estándar utilizado por la inmensa mayoría de APIs web para intercambiar información entre sistemas. Su estructura es muy similar a la de los diccionarios de Python, lo que hace que trabajar con él resulte muy natural desde este lenguaje.

El módulo json, incluido en la librería estándar de Python, ofrece cuatro funciones principales: dumps() convierte un diccionario en texto JSON, loads() hace el proceso inverso, y dump() / load() realizan las mismas conversiones directamente desde y hacia archivos.

Código de ejemplo:

import json

persona = {"nombre": "José", "edad": 35}

# Diccionario a texto JSON
texto_json = json.dumps(persona, indent=2)
print(texto_json)

# Texto JSON a diccionario
datos = json.loads(texto_json)
print(datos["nombre"])

# Guardar directamente en un archivo
with open("persona.json", "w") as archivo:
    json.dump(persona, archivo, indent=2)