Nuevo cuaderno

Tras iniciar sesión y acceder con el enlace a Google Colab, vamos a crear un nuevo cuaderno:

Inmediatamente se nos creará un cuaderno sin título y se guardará en nuestro drive en la carpeta Colab Notebookcs

Texto con Markdown

En Colab podemos crear dos tipos de cuadros o celdas con contenido: texto y código

Cuando hacemos Clic en " +Texto" obtenemos un nuevo cuadro con un editor de texto.

Para editar el texto se utiliza Markdown que es un lenguaje de etiquetado especial para comentar proyectos. En la imagen siguiente puedes ver un resumen de su sintaxis.

Código en Python

Pulsando sobre " + Código" obtenemos un cuadro donde podemos escribir código en Python 3 que podemos ejecutar.

Si bien cada celda es independiente, todas utilizan el mismo kernel y están relacionadas, ejecutándose en el orden que están creadas.

El numero a la izquierda de cada celda indica el orden de ejecución, y pasando el cursor por encima se puede obtener información sobre el tiempo de ejecución.

Desde el menú "Entorno de ejecución" , se pueden realizar algunas acciones:

• Reiniciar el estado, liberando toda la memoria utilizada (Ctrl+M).
• Interrumpir una ejecución (Ctrl+M I).
• Ejecutar las celdas seleccionadas (Ctrl+Shift+Enter).
• Ejecutar celdas anteriores (Ctrl+F8), celda siguiente (Ctrl+F10) o todo el cuaderno (Ctrl+F9).

Entorno de ejecución

Una de las mayores ventajas de Google Colab es que Google nos proporciona un máquina virtual para ejecutar nuestro código.

Cuando creamos un cuaderno, este por defecto no está conectado a ningún entorno de ejecución, es necesario presionar sobre el botón de “Conectar” o ejecutar alguna línea de código, para que establezca conexión con la máquina virtual de Google en la nube.

Esta máquina virtual tiene una memoria RAM de 12GB y y un disco duro de 108GB  para el almacenamiento, y puede ser utilizada durante 12 horas. En caso de inactividad durante más de 90 minutos, el entorno se desconectará igualmente. 

Pandas

Pandas es una librería de Python especializada en el manejo y análisis de estructuras de datos.

Para importar Pandas a nuestro entorno podemos escribir el siguiente código:

     import pandas 

Pero normalmente para abreviar cada vez que la utilicemos se suele hacer con:

     import pandas as pd

Para realizar gráficos se utiliza otra librería llamada Matplotlib, pero actualmente ya no es necesario cargarla pues está incluidas en Pandas.

Ahora cada vez que queramos utilizar alguna función de pandas, también llamadas métodos, sólo hay que escribir:

      pd.método(datos)

Tras escribir "pd. "podemos pulsar CTRL + espacio y nos sugiere todos los métodos que podemos seleccionar.

El DataFrame

Recordemos que un DataFrame es una estructura de datos con dos dimensiones en la cual se puede guardar datos de distintos tipos  en columnas.

Es la forma en que Pandas almacena los datos y para crearlo hay varias formas:

• Crear manualmente una tabla, no es recomendable cuando se trabajan con muchos datos.
• Importarlo en algún formato compatible: CSV, Excel, Json, XML,..
• El conjunto de caracteres debe estar en formato Unicode(UTF-8)

Vamos a importar el siguiente archivo en formato CSV: descarga el archivo lista de personas.csv

• Para importarlo lo vamos a buscar y subir el archivo CSV desde nuestro disco duro. También podemos arrastrar dentro de la carpeta de drive que Colab ha creado y que vemos a la izquierda.
• Lo importamos dando al dataframe (df) que se crea el nombre de "df1", aunque podríamos dar cualquier otro nombre (personas por ejemplo), pero es mejor algo corto, pues lo escribiremos muchas veces.   

            df1 = pd.read_csv("lista_personas.csv")

• También es hora de poner un nombre a nuestro archivo de Colab que llamaremos también "personas.ipynb" en la parte superior izquierda.
• Ahora si ejecutamos df1 podemos ver su contenido.
• Incluso podemos crear una tabla dinámica donde podemos ordenar los datos de las columnas con el lápiz mágico al lado derecho de la tabla.

Todo esto lo podemos hacer en un sólo cuadro de código e incluso lo podemos comentar anteponiendo un "#" a la línea de comentario.

No olvides utilizar CTRL + Espacio para ir mucho más rápido escribiendo código.

Gráficos

La forma más rápida de obtener un gráfico de nuestros dataframe es :

   df1.plot.bar()   

Si tras escribir "df1.plot." pulsamos CTRL + Espacio nos mostrará todos los tipos de gráficos que podemos realizar.

Como vemos, no es adecuado aplicar la misma escala para la edad y las alturas, pero podemos verlas por separado.

Para ello podemos separar las columnas, compruébalo ejecutando las siguientes líneas de código:

df1[["Nombre", "Altura"]] 
-> para la tabla

df1.plot.bar(("Nombre", "Altura", color="green")
-> para el gráfico y su color

Con el botón derecho del ratón podemos abrir la imagen en una nueva pestaña del navegador o descargarla en formato .png.

Estadísticas con el DataFrame

Para tener una información estadística de los datos numéricos de nuestro dataframe utilizamos df1.describe() que nos proporciona :

• cantidad de registros,
• media
• desviación estándar
• valor mínimo
• cuantiles 25%, 50%, 75% 
• valor máximo

Para calcular alguna de estas operaciones sobre algún tipo de dato concreto, por ejemplo la media de altura:

Para ver las frecuencias con que se repite una edad:

Ordenar datos

Para ordenar los datos según distintos criterios se utiliza el método sort_values indicándolos parámetros:

• inplace --> si ponemos True el cambio es permanente en la tabla.
• ascending --> el orden por defecto es ascendente pero si ponemos False será descendente.
• df1.head() --> muestra los 5 primeros valores aunque en nuestro ejemplo solo hay 4.

Vemos ahora que en la gráfica las alturas aparecen en orden descendente.

Para ordenar de nuevo con el índice utilizamos:

    df1.sort_index()

Existen otras muchas formas de ordenar, te animo a probar ahora ordenar por edades en orden ascendente.

Filtrar datos

En un DataFrame es posible filtrar los datos según alguna condición. Esto se realiza de la siguiente manera:

       dataframe[ (condición_1) & ó  | (condición_2) & o´  | (condición_3)...]

Donde dice & ó | porque se puede elegir escribir " & " para hacer un "and", o se puede escribir " | " para hacer un "or".

Recordar que un "and" es verdadero si se cumplen ambas condiciones, mientras que un "or" lo es si se cumple alguna de ellas. Notar también que las condiciones se escriben dentro de paréntesis.

Las condiciones siguen el siguiente formato:

        >  para mayor,  > para menor, <= menor o igual , etc..

Veamos un ejemplo extrayendo todos las personas con altura desde  1.80  en adelante (Altura >= 1.80) :

# No es necesario usar paréntesis si hay una única condición, en df2 se guardará las personas con 1.80 o más
df2= df1[ df1['Altura'] > 1.80 ] 
print("\nPersonas altas:\n")
print(df2)

Este es otro ejemplo que podemos ver en la imagen, se utiliza:

• & -->(Shift + 6) para "y",  no utilizar "and"
• |   --> (Alt Gr +1) para "o", no utilizar "or"

Ahora prueba a encontrar los registros con una edad menor o igual a 21 años o una altura mayor de 1,80 metros.

Gráficos con Matplotlib

Para crear un gráfico con matplotlib es habitual seguir los siguientes pasos:

1. Importar el módulo pyplot.
2. Definir la figura que contendrá el gráfico, que es la region (ventana o página) donde se dibujará y los ejes sobre los que se dibujarán los datos. Para ello se utiliza la función subplots().
3. Dibujar los datos sobre los ejes. Para ello se utilizan distintas funciones dependiendo del tipo de gráfico que se quiera.
4. Personalizar el gráfico. Para ello existen multitud de funciones que permiten añadir un título, una leyenda, una rejilla, cambiar colores o personalizar los ejes.
5. Guardar el gráfico. Para ello se utiliza la función savefig().
6. Mostrar el gráfico. Para ello se utiliza la función show().

En este ejemplo realizamos un diagrama de dispersión: