En este desafío aplicamos varios métodos clave de Pandas: creamos columnas nuevas (Puntos_extras, Notas_finales, Aprobado_final) usando operaciones matemáticas y condiciones lógicas, y filtramos estudiantes que pasaron de reprobados a aprobados gracias a los puntos extra
Ejercicio: Tratamiento y selección de datos
import pandas as pd
# Cargar el archivo CSV
df = pd.read_csv('alumnos.csv', sep=',')
# Convertir la columna 'Nota' a tipo numérico (por si hay valores nulos)
df['Nota'] = pd.to_numeric(df['Nota'], errors='coerce')
# Crear la columna "Puntos_extras" (40% de la nota actual)
df['Puntos_extras'] = df['Nota'] * 0.4
# Crear la columna "Notas_finales" (nota + puntos extras)
df['Notas_finales'] = df['Nota'] + df['Puntos_extras']
# Crear la columna "Aprobado_final" (nota final >= 7.0)
df['Aprobado_final'] = df['Notas_finales'] >= 7.0
# Filtrar estudiantes que no estaban aprobados antes pero ahora sí
nuevos_aprobados = df[(df['Aprobado'] == False) & (df['Aprobado_final'] == True)]
# Mostrar los nuevos aprobados
print(nuevos_aprobados[['Nombre', 'Nota', 'Notas_finales', 'Aprobado', 'Aprobado_final']])
