Series y DataFrames de pandas

pandas añade ejes etiquetados a los datos de columnas: una Series es una columna tipada; un DataFrame es una tabla de Series alineadas que comparten un índice.

Receta

Tarjeta de referencia rápida - lista para copiar y pegar.

import pandas as pd
 
df = pd.DataFrame(
    {"region": ["East", "West"], "revenue": [120, 340]},
    index=pd.Index(["a", "b"], name="row"),
)
east = df.loc[df["region"] == "East", "revenue"]
subset = df.iloc[0:1, [0, 1]]

Cuándo recurrir a esto:

EDA tabular con tipos de columna mixtos y valores faltantes
Series temporales etiquetadas indexadas por marcas de tiempo
Unión de múltiples tablas por claves antes de la agregación
Exportación de resultados de análisis a CSV, Parquet o Excel

Ejemplo de Trabajo

import pandas as pd
 
orders = pd.DataFrame(
    {
        "order_id": [101, 102, 103, 104],
        "region": pd.Categorical(["East", "West", "East", "West"]),
        "revenue": [120.0, 340.0, None, 210.0],
        "ordered_at": pd.to_datetime(
            ["2025-01-01", "2025-01-02", "2025-01-03", "2025-01-04"], utc=True
        ),
    }
).set_index("order_id")
 
# Selección basada en etiquetas
east = orders.loc[orders["region"] == "East", ["region", "revenue"]]
 
# Cabecera basada en posición
head = orders.iloc[:2]
 
# Añadir columna calculada de forma segura
orders = orders.copy()
orders["revenue_filled"] = orders["revenue"].fillna(orders["revenue"].median())
 
# Reducción de Series
monthly_total = orders["revenue_filled"].sum()
 
print(east)
print("monthly_total:", monthly_total)

Lo que esto demuestra:

Construcción con columnas categóricas y flotantes anulables
Análisis de fecha y hora UTC al cargar
Filtrado booleano .loc con subconjunto de columnas
.copy() antes de la asignación para evitar SettingWithCopyWarning

Inmersión Profunda

Cómo Funciona

Las etiquetas del índice alinean las filas entre columnas: las operaciones coinciden automáticamente en el índice.
El gestor de bloques (pandas 2.x) almacena las columnas en bloques basados en Arrow/numpy por dtype.
.loc incluye ambos extremos para las etiquetas; .iloc es semiabierto como los slices de Python.
El backend de dtype (string[pyarrow]) cambia el comportamiento de la memoria y los valores faltantes.

Hoja de Trucos de Selección

Objetivo	API
Filtrar filas	`df.loc[mask]`
Elegir columnas	`df[["a", "b"]]`
Escalar por etiqueta	`df.loc[row, "col"]`
Escalar por posición	`df.iloc[i, j]`

Parámetros y Valores de Retorno

Parámetro	Tipo	Descripción
`index`	Similar a Index	Etiquetas de fila; por defecto es RangeIndex
`columns`	list[str]	Nombres de columna para DataFrame
`dtype`	str/np.dtype	Fuerza el tipo de columna en la construcción

Trampas Comunes

Asignación de indexación encadenada - df[df["x"] > 0]["y"] = 1 activa SettingWithCopyWarning. Solución: df.loc[df["x"] > 0, "y"] = 1.
Etiquetas de índice duplicadas - .loc["a"] devuelve múltiples filas; el acceso escalar falla. Solución: reset_index() o forzar claves únicas aguas arriba.
Cadenas de tipo object - las columnas object por defecto usan mucha RAM. Solución: df["col"] = df["col"].astype("string[pyarrow]") en pandas 2.2+.
Coerción silenciosa de dtype - mezclar enteros y flotantes actualiza la columna a flotante. Solución: usar Int64 anulable cuando sea posible NA.
Naive vs. aware de zona horaria - comparar marcas de tiempo mixtas da error en pandas 2.x. Solución: pd.to_datetime(..., utc=True) en todas partes al ingerir.

Alternativas

Alternativa	Usar Cuando	No Usar Cuando
Polars DataFrame	Escaneos perezosos, datos muy grandes, tipado estricto	El equipo ya está estandarizado en los modismos de pandas
PyArrow Table	Intercambio de memoria cero entre sistemas	Necesitas indexación interactiva rica
SQL vía DuckDB	Los datos ya están en tablas de almacén	Transformaciones pequeñas en memoria
Arrays estructurados de NumPy	Registros numéricos de esquema fijo	Tipos de columna heterogéneos

Preguntas Frecuentes

¿Cuándo debo usar reset_index?

Después de groupby cuando necesitas la clave del grupo como una columna.
Cuando las etiquetas de índice duplicadas rompen el acceso escalar .loc.

¿Cuál es la diferencia entre [] y .loc?

df["col"] selecciona una Series de una columna.
df.loc[rows, cols] es una selección 2D basada en etiquetas con reglas de alineación.

¿Cómo evito copias al filtrar?

Filtrar siempre devuelve un nuevo marco a menos que uses inplace=True (desaconsejado).
Para datos enormes, usa el filtro perezoso filter de Polars o lecturas por fragmentos.

¿Cómo leo solo algunas columnas de un CSV?

import pandas as pd
df = pd.read_csv("big.csv", usecols=["region", "revenue"])

¿Puede una Series tener un nombre?

Sí - s.name aparece cuando la Series se convierte en una columna de DataFrame.
Se establece en la creación: pd.Series(..., name="revenue").

¿Cómo detecto nombres de columna duplicados?

import pandas as pd
df.columns.duplicated().any()

Los nombres duplicados hacen que df["x"] devuelva múltiples columnas.

¿Qué hace copy-on-write en pandas 2.x?

Con pd.options.mode.copy_on_write = True, las operaciones encadenadas posponen las copias hasta la escritura.
Prefiere aún la asignación explícita .loc para mayor claridad.

¿Cómo convierto el índice en columna?

df = df.reset_index()

O df.rename_axis("order_id").reset_index() para nombrar el índice anterior.

¿Por qué mi columna numérica tiene dtype object?

Las cadenas y números mixtos fuerzan el tipo object.
Relee con dtype o pd.to_numeric(errors="coerce").

¿Cómo muestreo filas de forma reproducible?

sample = df.sample(n=100, random_state=42)

Relacionado

Limpieza y Transformación de Datos - dtypes y valores faltantes
GroupBy y Agregación - dividir-aplicar-combinar
Uniones y Mezclas - combinación de marcos
Conceptos Básicos de Análisis de Datos - recorrido introductorio

Versiones de la Pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.

Series y DataFrames de pandas

pandas añade ejes etiquetados a los datos de columnas: una Series es una columna tipada; un DataFrame es una tabla de Series alineadas que comparten un índice.

Receta

Tarjeta de referencia rápida - lista para copiar y pegar.

import pandas as pd
 
df = pd.DataFrame(
    {"region": ["East", "West"], "revenue": [120, 340]},
    index=pd.Index(["a", "b"], name="row"),
)
east = df.loc[df["region"] == "East", "revenue"]
subset = df.iloc[0:1, [0, 1]]

Cuándo recurrir a esto:

EDA tabular con tipos de columna mixtos y valores faltantes
Series temporales etiquetadas indexadas por marcas de tiempo
Unión de múltiples tablas por claves antes de la agregación
Exportación de resultados de análisis a CSV, Parquet o Excel

Ejemplo de Trabajo

import pandas as pd
 
orders = pd.DataFrame(
    {
        "order_id": [101, 102, 103, 104],
        "region": pd.Categorical(["East", "West", "East", "West"]),
        "revenue": [120.0, 340.0, None, 210.0],
        "ordered_at": pd.to_datetime(
            ["2025-01-01", "2025-01-02", "2025-01-03", "2025-01-04"], utc=True
        ),
    }
).set_index("order_id")
 
# Selección basada en etiquetas
east = orders.loc[orders["region"] == "East", ["region", "revenue"]]
 
# Cabecera basada en posición
head = orders.iloc[:2]
 
# Añadir columna calculada de forma segura
orders = orders.copy()
orders["revenue_filled"] = orders["revenue"].fillna(orders["revenue"].median())
 
# Reducción de Series
monthly_total = orders["revenue_filled"].sum()
 
print(east)
print("monthly_total:", monthly_total)

Lo que esto demuestra:

Construcción con columnas categóricas y flotantes anulables
Análisis de fecha y hora UTC al cargar
Filtrado booleano .loc con subconjunto de columnas
.copy() antes de la asignación para evitar SettingWithCopyWarning

Inmersión Profunda

Cómo Funciona

Las etiquetas del índice alinean las filas entre columnas: las operaciones coinciden automáticamente en el índice.
El gestor de bloques (pandas 2.x) almacena las columnas en bloques basados en Arrow/numpy por dtype.
.loc incluye ambos extremos para las etiquetas; .iloc es semiabierto como los slices de Python.
El backend de dtype (string[pyarrow]) cambia el comportamiento de la memoria y los valores faltantes.

Hoja de Trucos de Selección

Objetivo	API
Filtrar filas	`df.loc[mask]`
Elegir columnas	`df[["a", "b"]]`
Escalar por etiqueta	`df.loc[row, "col"]`
Escalar por posición	`df.iloc[i, j]`

Parámetros y Valores de Retorno

Parámetro	Tipo	Descripción
`index`	Similar a Index	Etiquetas de fila; por defecto es RangeIndex
`columns`	list[str]	Nombres de columna para DataFrame
`dtype`	str/np.dtype	Fuerza el tipo de columna en la construcción

Trampas Comunes

Asignación de indexación encadenada - df[df["x"] > 0]["y"] = 1 activa SettingWithCopyWarning. Solución: df.loc[df["x"] > 0, "y"] = 1.
Etiquetas de índice duplicadas - .loc["a"] devuelve múltiples filas; el acceso escalar falla. Solución: reset_index() o forzar claves únicas aguas arriba.
Cadenas de tipo object - las columnas object por defecto usan mucha RAM. Solución: df["col"] = df["col"].astype("string[pyarrow]") en pandas 2.2+.
Coerción silenciosa de dtype - mezclar enteros y flotantes actualiza la columna a flotante. Solución: usar Int64 anulable cuando sea posible NA.
Naive vs. aware de zona horaria - comparar marcas de tiempo mixtas da error en pandas 2.x. Solución: pd.to_datetime(..., utc=True) en todas partes al ingerir.

Alternativas

Alternativa	Usar Cuando	No Usar Cuando
Polars DataFrame	Escaneos perezosos, datos muy grandes, tipado estricto	El equipo ya está estandarizado en los modismos de pandas
PyArrow Table	Intercambio de memoria cero entre sistemas	Necesitas indexación interactiva rica
SQL vía DuckDB	Los datos ya están en tablas de almacén	Transformaciones pequeñas en memoria
Arrays estructurados de NumPy	Registros numéricos de esquema fijo	Tipos de columna heterogéneos

Preguntas Frecuentes

¿Cuándo debo usar reset_index?

Después de groupby cuando necesitas la clave del grupo como una columna.
Cuando las etiquetas de índice duplicadas rompen el acceso escalar .loc.

¿Cuál es la diferencia entre [] y .loc?

df["col"] selecciona una Series de una columna.
df.loc[rows, cols] es una selección 2D basada en etiquetas con reglas de alineación.

¿Cómo evito copias al filtrar?

Filtrar siempre devuelve un nuevo marco a menos que uses inplace=True (desaconsejado).
Para datos enormes, usa el filtro perezoso filter de Polars o lecturas por fragmentos.

¿Cómo leo solo algunas columnas de un CSV?

import pandas as pd
df = pd.read_csv("big.csv", usecols=["region", "revenue"])

¿Puede una Series tener un nombre?

Sí - s.name aparece cuando la Series se convierte en una columna de DataFrame.
Se establece en la creación: pd.Series(..., name="revenue").

¿Cómo detecto nombres de columna duplicados?

import pandas as pd
df.columns.duplicated().any()

Los nombres duplicados hacen que df["x"] devuelva múltiples columnas.

¿Qué hace copy-on-write en pandas 2.x?

Con pd.options.mode.copy_on_write = True, las operaciones encadenadas posponen las copias hasta la escritura.
Prefiere aún la asignación explícita .loc para mayor claridad.

¿Cómo convierto el índice en columna?

df = df.reset_index()

O df.rename_axis("order_id").reset_index() para nombrar el índice anterior.

¿Por qué mi columna numérica tiene dtype object?

Las cadenas y números mixtos fuerzan el tipo object.
Relee con dtype o pd.to_numeric(errors="coerce").

¿Cómo muestreo filas de forma reproducible?

sample = df.sample(n=100, random_state=42)

Relacionado

Limpieza y Transformación de Datos - dtypes y valores faltantes
GroupBy y Agregación - dividir-aplicar-combinar
Uniones y Mezclas - combinación de marcos
Conceptos Básicos de Análisis de Datos - recorrido introductorio

Versiones de la Pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.

Series y DataFrames de pandas

Buscar en la documentación

Series y DataFrames de pandas