Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
1
respuesta

Haz como yo hice: DataFrames y Filtros

https://colab.research.google.com/drive/1NOjOk3wyaALCMom_K_mv4lx5t9Q3t9G5?usp=sharing
En esta actividad se creó y manipuló un DataFrame con Pandas.
También se importaron datos desde un archivo CSV, se seleccionaron
columnas, se extrajeron valores únicos y se aplicaron filtros
simples y combinados.

Además, se utilizaron los métodos iloc y loc para seleccionar
registros por posición y por etiquetas. Finalmente, se cargó un
archivo de reseñas, se analizaron los comentarios con Gemini y se
añadió una nueva columna con la clasificación de sentimiento.
El resultado fue guardado en un nuevo archivo CSV.

En Pandas, iloc selecciona registros según su posición numérica, mientras que loc utiliza etiquetas o nombres de índices.

Conclusion

En esta actividad aprendí a crear e importar DataFrames con Pandas, seleccionar columnas, identificar valores únicos y filtrar registros mediante una o varias condiciones. También practiqué el uso de iloc para acceder a filas por posición y loc para acceder mediante índices textuales.

Finalmente, integré Gemini para analizar las reseñas de clientes y clasificarlas como positivas, negativas o neutras. Esta clasificación fue agregada como una nueva columna y el DataFrame enriquecido se guardó en un archivo CSV.

1 respuesta

Hola Gino, espero que estés bien

¡Qué bueno que estás explorando el uso de Pandas y la integración de análisis de sentimientos! Veo que has hecho un gran trabajo hasta ahora. Vamos a repasar algunos puntos clave que podrían ayudarte a avanzar en esta actividad:

  1. Creación del DataFrame: Asegúrate de que tu DataFrame tenga las cinco columnas especificadas: nombre del producto, categoría, precio, evaluación e ítems vendidos. Puedes hacerlo usando pd.DataFrame() y proporcionando un diccionario con listas de datos.

  2. Importación de datos: Usa pd.read_csv('ruta_del_archivo.csv') para cargar tus datos desde un archivo CSV. Esto te permitirá trabajar con datos reales y practicar las operaciones de filtrado y selección.

  3. Visualización del DataFrame: Utiliza df.head() para ver las primeras filas de tu DataFrame y asegurarte de que los datos se han importado correctamente.

  4. Selección y filtrado:

    • Para seleccionar una columna específica, utiliza la notación de corchetes: df['nombre_columna'].
    • Para extraer valores únicos de una columna, puedes usar df['nombre_columna'].unique().
  5. Filtros:

    • Filtro simple: df[df['categoría'] == 'electrónicos'] para seleccionar productos de la categoría 'electrónicos'.
    • Filtro condicional: df[df['evaluación'] < 2.0] para obtener productos con baja evaluación.
    • Filtros combinados: (df['categoría'] == 'electrónicos') & (df['precio'] < 100) para combinar condiciones.
  6. Selección con iloc y loc:

    • Usa iloc para acceder a filas por índice numérico: df.iloc[0:5].
    • Usa loc después de establecer un índice textual: df.set_index('nombre_columna', inplace=True) y luego df.loc['valor_del_índice'].
  7. Análisis de sentimientos: Si estás integrando un modelo de lenguaje para clasificar sentimientos, asegúrate de que los resultados se añadan correctamente como una nueva columna en tu DataFrame.

Espero que estas sugerencias te sean útiles mientras trabajas en tu actividad. ¡Sigue adelante con tu aprendizaje en inteligencia artificial y manipulación de datos!

Espero haber ayudado y buenos estudios!