Indice / pandas: fundamentos / 4.3

Seleccionar columnas

Un corchete o dos. Parece una cuestión de estilo y no lo es: cambia el tipo de lo que obtenés, y con eso cambia todo lo que podés hacer después.

Antes: 4.1 Series y DataFrame Despues: 4.4 loc vs iloc

Para qué sirve

Casi nunca se trabaja con el archivo entero. Se eligen las columnas que importan, se les pone un nombre usable y se las deja en el orden que pide la salida. Son tres operaciones chicas que aparecen en absolutamente todos los programas del curso.

Y hay una sola idea que hay que tener clara: el corchete simple devuelve una Series y el doble devuelve un DataFrame. No es un detalle de sintaxis; es la diferencia entre que el método que buscás exista o no.

ELI5Explicado facil

Pedir una columna con un corchete es como sacar una hoja de la carpeta: te queda una hoja en la mano.

Pedirla con dos corchetes es sacar una carpeta con esa única hoja adentro. Tenés lo mismo, pero envuelto distinto, y hay cosas que se le pueden hacer a una carpeta y no a una hoja suelta.

El ejemplo mínimo

EjemploUn corchete devuelve una Series; dos, un DataFrame

import pandas as pd

inventario = pd.read_csv("inventario_productos.csv")

una = inventario["producto"]
varias = inventario[["codigo", "producto"]]

print("inventario['producto']   ->", type(una).__name__)
print("inventario[['codigo',...]] ->", type(varias).__name__)

print()
print(una.head(3).to_string())
print()
print(varias.head(3).to_string(index=False))

print()
# Y una lista de UN solo nombre tambien devuelve DataFrame.
print("inventario[['producto']] ->", type(inventario[["producto"]]).__name__)

inventario['producto']   -> Series
inventario[['codigo',...]] -> DataFrame

0       Teclado mecánico
1      Ratón inalámbrico
2    Monitor 24 pulgadas

codigo            producto
  P001    Teclado mecánico
  P002   Ratón inalámbrico
  P003 Monitor 24 pulgadas

inventario[['producto']] -> DataFrame

Cuál conviene

Series cuando vas a calcular: .mean(), .value_counts(), una comparación para armar una máscara. DataFrame cuando lo que sigue espera una tabla: escribir un CSV, un merge, mostrar varias columnas juntas.

La lista también fija el orden

EjemploLa lista tambien fija el ORDEN de las columnas

import pandas as pd

inventario = pd.read_csv("inventario_productos.csv")
print("orden del archivo:", list(inventario.columns))

reordenado = inventario[["precio_unitario", "codigo", "cantidad"]]
print("orden que pediste:", list(reordenado.columns))

print()
print(reordenado.head(3).to_string(index=False))

print()
print("Sirve para armar el archivo de salida: el contrato de una practica")
print("fija el orden de las columnas, y esta es la forma de cumplirlo.")

orden del archivo: ['codigo', 'producto', 'categoria', 'cantidad', 'precio_unitario']
orden que pediste: ['precio_unitario', 'codigo', 'cantidad']

 precio_unitario codigo  cantidad
            4.53   P001     112.0
          781.78   P002      82.0
          872.23   P003     108.0

Sirve para armar el archivo de salida: el contrato de una practica
fija el orden de las columnas, y esta es la forma de cumplirlo.

Esto deja de ser cosmético en cuanto hay que producir un archivo: los contratos de las prácticas fijan el orden de las columnas de salida, y esta es la forma de cumplirlo. Un df[COLUMNAS] al final del programa, con la lista escrita en una constante, y no hay manera de equivocarse.

Renombrar

Ejemplorename devuelve una copia, y hay que decirle que son columnas

import pandas as pd

inventario = pd.read_csv("inventario_productos.csv")

renombrado = inventario.rename(columns={
    "precio_unitario": "precio",
    "cantidad": "stock",
})

print("antes  :", list(inventario.columns))
print("despues:", list(renombrado.columns))

print()
print("El original no cambio: rename devuelve una tabla nueva.")
print("Si no guardas el resultado, no paso nada.")

print()
# Sin columns=, rename cree que le estas renombrando el INDICE.
confundido = inventario.rename({"precio_unitario": "precio"})
print("sin columns= ->", list(confundido.columns))
print("No dio error y no renombro nada: renombro el indice, que no tiene")
print("ninguna etiqueta que se llame precio_unitario.")

antes  : ['codigo', 'producto', 'categoria', 'cantidad', 'precio_unitario']
despues: ['codigo', 'producto', 'categoria', 'stock', 'precio']

El original no cambio: rename devuelve una tabla nueva.
Si no guardas el resultado, no paso nada.

sin columns= -> ['codigo', 'producto', 'categoria', 'cantidad', 'precio_unitario']
No dio error y no renombro nada: renombro el indice, que no tiene
ninguna etiqueta que se llame precio_unitario.

Dos cosas que sorprenden, y las dos sin dar error:

rename devuelve una copia. Si no guardás el resultado, el DataFrame original sigue igual y parece que la línea no hizo nada.
Sin columns=, rename cree que le estás renombrando el índice. Como el índice no tiene ninguna etiqueta con ese nombre, no renombra nada y tampoco se queja.

Dónde se rompe

EjemploEl KeyError que se ve imposible, y como se caza

import pandas as pd

# Un CSV exportado de una planilla suele traer espacios en los encabezados.
crudo = pd.DataFrame({
    "codigo": ["P001", "P002"],
    " precio ": [4.53, 781.78],
    "Stock": [112, 82],
})

print("columnas, tal cual:", list(crudo.columns))
print("y con los limites marcados:")
for nombre in crudo.columns:
    print(f"  |{nombre}|")

try:
    crudo["precio"]
except KeyError as error:
    print()
    print("KeyError:", error)
    print("El nombre existe... pero con un espacio de cada lado.")

limpio = crudo.rename(columns=lambda c: c.strip().lower())
print()
print("despues de normalizar los encabezados:", list(limpio.columns))
print(limpio.to_string(index=False))

columnas, tal cual: ['codigo', ' precio ', 'Stock']
y con los limites marcados:
  |codigo|
  | precio |
  |Stock|

KeyError: 'precio'
El nombre existe... pero con un espacio de cada lado.

despues de normalizar los encabezados: ['codigo', 'precio', 'stock']
codigo  precio  stock
  P001    4.53    112
  P002  781.78     82

Un KeyError con un nombre que está a la vista en la tabla es casi siempre esto: un espacio invisible, una mayúscula, o un carácter raro que quedó del archivo original. La forma de cazarlo es imprimir los nombres con delimitadores alrededor, como en el ejemplo.

KeyError: 'precio'

Causa: el nombre real tiene un espacio (' precio '), una mayúscula distinta, o un carácter invisible.

Arreglo: normalizar los encabezados apenas se lee el archivo: df.rename(columns=lambda c: c.strip().lower()). Una línea, y el problema no vuelve.

KeyError: "['precio', 'stock'] not in index"

Causa: el mismo problema pero con selección múltiple. El mensaje es más útil: dice cuáles de los nombres no encontró.

Arreglo: compará con list(df.columns) antes de pelearte.

(sin error) rename no renombró nada

Causa: faltó columns=, así que pandas intentó renombrar el índice, o no se guardó el resultado.

Arreglo: df = df.rename(columns={...}), con las dos cosas.

AttributeError: 'DataFrame' object has no attribute 'mean'... o al revés

Causa: confundiste Series con DataFrame. Muchos métodos existen en los dos pero devuelven cosas distintas, y algunos existen en uno solo.

Arreglo: mirá type(x). En el panel de Variables del depurador se ve sin escribir nada (lección 0.1).

(sin error) df.precio funciona hasta que deja de funcionar

Causa: el acceso con punto solo anda si el nombre es un identificador válido de Python y no choca con un método. df.count devuelve el método count, no tu columna llamada count.

Arreglo: usá siempre corchetes. Es dos caracteres más y nunca sorprende.

Recetario

Seleccionar y renombrar columnas
Expresión	Qué devuelve	Cuándo
`df["c"]`	Series	Para calcular sobre una columna
`df[["c"]]`	DataFrame de 1 columna	Cuando lo que sigue espera una tabla
`df[["a", "b"]]`	DataFrame con esas dos, en ese orden	Elegir y ordenar de una
`df[COLUMNAS]`	DataFrame con el orden de la lista	Al final, para cumplir el contrato de salida
`df.rename(columns={...})`	Copia con los nombres cambiados	Después de leer, y guardando el resultado
`df.rename(columns=lambda c: c.strip().lower())`	Copia con los encabezados normalizados	Primera línea, siempre
`df.drop(columns=["a"])`	Copia sin esa columna	Cuando es más corto decir qué sacar
`list(df.columns)`	Los nombres como lista	Antes de un `KeyError`
`df.select_dtypes("number")`	Solo las numéricas	Para aplicar algo a todas las de un tipo

Ponete a prueba

1. ¿Que diferencia hay entre df["precio"] y df[["precio"]]?Nivel 1 · Recordar

El segundo falla si la columna no existe y el primero devuelve NaN.
El primero devuelve una Series y el segundo un DataFrame de una columna.
El segundo devuelve una copia y el primero una vista.
Ninguna: son dos formas de escribir lo mismo.

2. ¿Que hace df[["precio", "codigo", "stock"]] si en el archivo las columnas estan en otro orden?Nivel 1 · Recordar

Da un error porque el orden no coincide.
Devuelve las tres columnas en el orden de la lista, no en el del archivo.
Ordena las filas por esas tres columnas.
Devuelve las tres en el orden del archivo: la lista solo dice cuales.

3. Corres df.rename(columns={"cantidad": "stock"}) y despues df.columns sigue diciendo cantidad. ¿Por que?Nivel 2 · Predecir la salida

rename solo funciona sobre columnas numericas.
El nombre cantidad no existe y rename lo ignoro.
rename devuelve una copia y el resultado no se guardo.
Falta inplace=True, que es obligatorio en pandas 3.

4. df.rename({"cantidad": "stock"}), sin columns=, corre sin error y no cambia nada. ¿Que renombró?Nivel 2 · Predecir la salida

Intentó renombrar el indice, que no tiene ninguna etiqueta llamada cantidad.
Nada: sin columns= el metodo se ignora por completo.
Renombró todas las columnas a stock.
Renombró la columna pero en una copia que se descarto.

5. df["precio"] tira KeyError: 'precio', pero al imprimir el DataFrame la columna precio se ve. ¿Que conviene hacer primero?Nivel 3 · Elegir entre dos casi correctas

Volver a leer el archivo con encoding="latin-1".
Agregar errors="ignore" a la seleccion.
Imprimir list(df.columns) con delimitadores alrededor de cada nombre.
Usar df.precio en vez de corchetes.

6. Queres normalizar TODOS los encabezados de un archivo apenas lo leas. ¿Cual lo hace?Nivel 3 · Elegir entre dos casi correctas

df = df.rename(columns=lambda c: c.strip().lower())
df.apply(lambda c: c.strip().lower())
df.columns.strip().lower()
df.rename(columns={c: c.strip() for c in df.columns}) y nada mas.

7. Este codigo tiene que escribir un CSV con las columnas en el orden codigo, stock, precio. Corre sin error y el archivo sale con otro orden. ¿Por que?

SALIDA = ["codigo", "stock", "precio"]
inv = pd.read_csv("inventario_productos.csv")
inv.rename(columns={"cantidad": "stock", "precio_unitario": "precio"})
inv[["codigo", "cantidad", "precio_unitario"]].to_csv("salida.csv", index=False)

Nivel 4 · Encontrar el defecto

to_csv reordena las columnas alfabeticamente.
Falta index=False.
SALIDA tiene que ser una tupla, no una lista.
El rename se descarto, y la seleccion usa los nombres viejos y no la constante SALIDA.