¿Qué puede hacer la biblioteca Pandas?

Pandas (Python Data Analysis Library) es la **herramienta fundamental para manipulación y análisis de datos tabulares/series temporales en Python**. Potente, flexible, estándar de facto en ciencia de datos.

Funcionalidades principales

  • Estructuras de datos: Series (1D etiquetada, tipo array) y DataFrame (2D, tabla con columnas heterogéneas, índices flexibles).
  • Lectura/Escritura universal: CSV, Excel (xlsx, xls), JSON, Parquet, Feather, HDF5, SQL (SQLAlchemy), HTML, pickle, portapapeles, Google BigQuery, etc. pd.read_* / df.to_*.
  • Limpieza y preparación (Data Wrangling): Manejo valores nulos (dropna, fillna, interpolate), parsing fechas (to_datetime), conversión tipos (astype), renombrado, deduplicación, reemplazo valores, strings vectorizados (.str accessor).
  • Manipulación relacional: Merge/join (inner, outer, left, right, cross), concat (apilar), pivot/melt (wide ↔ long), groupby (split-apply-combine: agregaciones, transform, filter).
  • Análisis exploratorio y estadístico: describe(), correlaciones (corr()), covarianza, cuartiles, value_counts, crosstab, sampling.
  • Series temporales (Time Series): Índice DatetimeIndex, reindexado (asfreq), remuestreo (resample: down/up-sampling, agregación), ventanas rodantes (rolling, expanding, ewm), desplazamiento (shift), zonas horarias.
  • Visualización integrada: df.plot() (matplotlib backend): line, bar, hist, box, kde, scatter, hexbin, pie, area. Facilita EDA rápido.
  • Feature Engineering para ML: Creación variables rezagadas, rolling stats, encoding categóricas (get_dummies, factorize), escalado, selección características, pipelines con scikit-learn.
  • Extensibilidad: apply/map/applymap, funciones vectorizadas numba, acceso interno ._data, backends alternativos (PyArrow, Polars interop).

Ecosistema

Se integra nativamente con **NumPy, Matplotlib/Seaborn/Plotly, Scikit-learn, Statsmodels, SciPy, Jupyter, PySpark (Koalas/pandas-on-Spark), Dask, Ray, Polars**. Base para feature-engine, pandas-profiling (ydata-profiling), great_expectations.

En resumen: Pandas = navaja suiza del data scientist en Python. Limpia, transforma, analiza, visualiza, prepara para ML.