trabajos/05-concat_merge/01-concat_handout.ipynb

{"cells": [{"cell_type": "markdown", "metadata": {}, "source": ["# Concatenar DataFrames con pandas\n", "Cargar el archivo `mompean.csv` en un DataFrame llamado `mompean`. Indicar que la columna `FechaHora` es de tipo `Datetime` y usarla como `index` del DataFrame.\n"]}, {"cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}, {"cell_type": "markdown", "metadata": {}, "source": ["Añadir a `mompean` dos columnas que contengan el día de la semana y la hora correspondiente a cada medición. Para ello, podréis usar las dos propiedades `dayofweek` y `hour` que se pueden aplicar a un `Datetimeindex`. "]}, {"cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}, {"cell_type": "markdown", "metadata": {}, "source": ["Seleccionar los valores correspondientes a Domingo a las 12 de la mañana en un dataframe y calcular las medias de sus columnas"]}, {"cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}, {"cell_type": "markdown", "metadata": {}, "source": ["Qué tipo de objeto es el resultado? Transformadlo en un DataFrame de una fila y 10 columnas. "]}, {"cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}, {"cell_type": "markdown", "metadata": {}, "source": ["Escribid un bucle que calcule para cada hora y día de la semana, el valor promedio de los distintos niveles de los indicadores de calidad del aire de `mompean` y que los vaya uniendo en un DataFrame"]}, {"cell_type": "code", "execution_count": 5, "metadata": {"tags": []}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}, {"cell_type": "markdown", "metadata": {}, "source": ["El realizar un bucle que lleva a cabo un `concat` en cada iteración tal como se ha hecho anteriormente no es recomendable porque `concat` crea cada vez una copia nueva del DataFrame lo que no es nada óptimo en cuanto a rendimiento. Es mejor construir un iterable con todos los DataFrames, y luego usar `concat` solo una vez sobre el iterable. \n", "\n", "Usando una \"list comprehension\", construir una lista que contenga todos los DataFrame relevantes del apartado anterior (medias para cada hora y día de la semana). A continuación concatenarlos para obtener el DataFrame del apartado anterior"]}, {"cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [], "source": ["# Completar aquí\n", "\n", "# --------------------\n"]}], "metadata": {"kernelspec": {"display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3"}, "language_info": {"codemirror_mode": {"name": "ipython", "version": 3}, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.9.10"}}, "nbformat": 4, "nbformat_minor": 4}