1

Soy nuevo en python y todo lo que tenga que ver con programación. Mi problema es el siguiente, tengo un DataFrame de la siguiente forma:


Oficina     Año       Inversión

Arte        2004        17.204
Arte        2005        16.242
Arte        2010        19.858
Arte        2016        20.367
Biotec      2005        18.995
Biotec      2010        16.398
Biotec      2011        16.763
Biotec      2015        21.454
Periodismo  2004        15.918
Periodismo  2010        18.538
Periodismo  2016        23.326
Sociales    2005        21.832
Sociales    2006        22.002
Sociales    2011        26.833
Veterin     2009        22.599

Estoy tratando de filtrarlo con pandas buscando generar un nuevo DataFrame con el primer y último año de inversión para cada una de las oficinas

traté de usar una expresión como la siguiente:

minimos =  df.loc[df["Año"].idxmin()]
maximos =  df.loc[df["Año"].idxmax()]

Pero me entrega el valor solo de un índice, no tengo idea de como obtener primer y último año de cada oficina y menos cómo filtrar los datos para que queden sólo esas filas, agrupadas por oficina.

Estoy usando Python 3.7.

Les ruego su ayuda.

1 respuesta 1

1

Lo que haces es obtener el año mínimo o máximo de la columna y luego aplicar un filtro boleano sobre el DataFrame seleccionado aquellas filas que tiene como año el valor mínimo o máximo de toda la columna.

Si lo he entendido bien, debes usar pandas.DataFrame.groupby, agrupar por Oficina y aplicar min y max a la columna Año. La pista de que debemos agrupar es:

"primer y último año de inversión para cada una de las oficinas".

Solo para reproducir el ejemplo:

import io

import pandas as pd


data = io.StringIO("""
Oficina     Año      Inversión
Arte        2004        17.204
Arte        2005        16.242
Arte        2010        19.858
Arte        2016        20.367
Biotec      2005        18.995
Biotec      2010        16.398
Biotec      2011        16.763
Biotec      2015        21.454
Periodismo  2004        15.918
Periodismo  2010        18.538
Periodismo  2016        23.326
Sociales    2005        21.832
Sociales    2006        22.002
Sociales    2011        26.833
Veterin     2009        22.599
""")

df = pd.read_csv(data, sep="\s+",  engine="python")

res = df.groupby("Oficina")["Año"].agg(Año_inicial="min", Año_final="max")
>>> res
            Año_inicial  Año_final
Oficina                           
Arte               2004       2016
Biotec             2005       2015
Periodismo         2004       2016
Sociales           2005       2011
Veterin            2009       2009

Si quieres también la inversión de cada año, la idea sería la misma, agrupar:

idxs = df.groupby(["Oficina"])["Año"].agg(["idxmin", "idxmax"])
maximos = df.loc[idxs["idxmax"]]
minimos = df.loc[idxs["idxmin"]]
>>> maximos
       Oficina   Año  Inversión
3         Arte  2016     20.367
7       Biotec  2015     21.454
10  Periodismo  2016     23.326
13    Sociales  2011     26.833
14     Veterin  2009     22.599

>>> minimos
       Oficina   Año  Inversión
0         Arte  2004     17.204
4       Biotec  2005     18.995
8   Periodismo  2004     15.918
11    Sociales  2005     21.832
14     Veterin  2009     22.599

Si quieres un único DataFrame, simpre puedes hacer un merge por ejemplo:

idxs = df.groupby(["Oficina"])["Año"].agg(["idxmin", "idxmax"])
res = pd.merge(
    left=df.loc[idxs["idxmin"]],
    right=df.loc[idxs["idxmax"]],
    on="Oficina",
    how="outer",
    suffixes=('_inicial', '_final')
)
>>> res

      Oficina  Año_inicial  Inversión_inicial  Año_final  Inversión_final
0        Arte         2004             17.204       2016           20.367
1      Biotec         2005             18.995       2015           21.454
2  Periodismo         2004             15.918       2016           23.326
3    Sociales         2005             21.832       2011           26.833
4     Veterin         2009             22.599       2009           22.599

Se podría hacer todo de una vez con pandas.DataFrame.groupby.transform, pero a día de hoy y desde hace bastante... hay un bug que impide usar transform con varias columnas y/o funciones simultáneamente.

3
  • Thanks a lot FJSevilla, i'll test this right now (i need some time to assimilate data LOL). In some ways python is like chinese for me still.
    – John Mix
    Commented el 31 may. 2020 a las 17:52
  • Hola John, primero,bienvenido a Stack Overflow en español. No estaba muy seguro de la salida final que buscabas, si quieres algo diferente comenta. Si tienes cualquier duda acerca de algo en la respuesta que te "suene a chino" :) tampoco dudes en preguntar, a veces se obvian cosas al responder que no son para nada obvias para alguien que empieza con la herramienta de turno. Saludos.
    – FJSevilla
    Commented el 31 may. 2020 a las 17:59
  • Perdón, me confundí de foro y respondí en un idioma que no corresponde. La salida buscada sería algo así como lo que escribiste en el segundo bloque, hasta ahora lo modifiqué con los nombres originales (tenía que usarlo sobre un archivo de una url) y anduvo bien. Muchísimas gracias , eres muy amable !!! :)
    – John Mix
    Commented el 31 may. 2020 a las 21:11

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.