Filtrar filas

import pandas as pd

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

mascara = inventario["precio_unitario"] > 800
print("tipo de la mascara:", type(mascara).__name__)
print("dtype             :", mascara.dtype)
print("largo             :", len(mascara), "= una respuesta por fila")

print()
print(mascara.head(5).to_string())

print()
print("cuantas cumplen:", int(mascara.sum()), "  (True vale 1 al sumar)")

print()
print("Y recien cuando la mascara va adentro del corchete, se filtra:")
print(inventario[mascara][["codigo", "precio_unitario"]].head(3).to_string(index=False))

import pandas as pd

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

caro = inventario["precio_unitario"] > 500
mucho = inventario["cantidad"] > 100

print("caros            :", int(caro.sum()))
print("con mucho stock  :", int(mucho.sum()))
print("caros Y con stock:", int((caro & mucho).sum()))
print("caros O con stock:", int((caro | mucho).sum()))
print("NO caros         :", int((~caro).sum()))

print()
# Los parentesis no son estilo: & tiene mas precedencia que >.
seleccion = inventario[(inventario["precio_unitario"] > 500)
                       & (inventario["cantidad"] > 100)]
print(seleccion[["codigo", "cantidad", "precio_unitario"]].to_string(index=False))

print()
try:
    caro and mucho
except ValueError as error:
    print("caro and mucho -> ValueError:", error)
    print("and pide UN booleano y le estas dando 35. Para vectores va &.")

import pandas as pd

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

# isin: pertenece a un conjunto. Reemplaza a (c == "a") | (c == "b") | ...
grupos = ["Perifericos", "Pantallas", "Audio"]
print(inventario[inventario["categoria"].isin(grupos)]
      [["codigo", "categoria", "precio_unitario"]].to_string(index=False))

print()
# between: rango, con los DOS extremos incluidos por defecto. Para que se vea,
# los limites son precios que EXISTEN en el archivo: 4.53 y 872.23.
precio = inventario["precio_unitario"]
print("between(4.53, 872.23)                     ->",
      int(precio.between(4.53, 872.23).sum()))
print("between(4.53, 872.23, inclusive='neither') ->",
      int(precio.between(4.53, 872.23, inclusive="neither").sum()))
print("between(4.53, 872.23, inclusive='left')    ->",
      int(precio.between(4.53, 872.23, inclusive="left").sum()))

print()
print("Dos filas de diferencia entre el primero y el segundo: son P001 (4.53)")
print("y P003 (872.23), que caen justo en los extremos.")

import pandas as pd

print("pandas", pd.__version__)

# Dos columnas con el MISMO contenido y distinto dtype. La primera es como
# lee pandas 3; la segunda, como leia pandas 2 y como queda si alguien
# escribe astype(object) en el medio.
nueva = pd.Series(["ana@example.com", None, "sin arroba"], dtype="str")
vieja = pd.Series(["ana@example.com", None, "sin arroba"], dtype="object")

for nombre, columna in [("str (pandas 3)", nueva), ("object (pandas 2)", vieja)]:
    mascara = columna.str.contains("@")
    print()
    print(nombre, "-> dtype de la mascara:", mascara.dtype)
    print("   valores:", list(mascara))
    try:
        print("   filtrar:", len(columna[mascara]), "fila(s)")
    except ValueError as error:
        print("   filtrar -> ValueError:", error)

print()
print("Con el dtype str el ausente ya cuenta como False y el filtro anda.")
print("Con object la mascara lleva None adentro y pandas se niega a indexar.")
print()
print("na=False resuelve los dos casos y no molesta en ninguno:")
print("  columna.str.contains('@', na=False)")
print("Escribilo siempre. Es una palabra y te salva del dia que la columna")
print("llegue como object sin que vos lo hayas pedido.")

import pandas as pd

clientes = pd.read_csv("clientes_crudos.csv", na_values=["-"])
edad = pd.to_numeric(clientes["edad"], errors="coerce")

print("clientes en total   :", len(clientes))
print("con edad ausente    :", int(edad.isna().sum()))

mayores = clientes[edad >= 18]
menores = clientes[edad < 18]

print()
print("edad >= 18 :", len(mayores))
print("edad <  18 :", len(menores))
print("suma       :", len(mayores) + len(menores), "de", len(clientes))

print()
print("Faltan", len(clientes) - len(mayores) - len(menores), "filas.")
print("No estan en ninguno de los dos lados: la comparacion contra un")
print("ausente da False, asi que no cumplen ni una condicion ni la contraria.")

print()
print("Si el informe dice 'mayores' y 'menores' y las dos cifras no suman")
print("el total, ese es el motivo. Los ausentes se cuentan aparte:")
print("ausentes   :", int(edad.isna().sum()))