¡Hola! En el minuto 23:30 usa .apply para aplicar la función df_lower a titanic, pero la aplica a la que ya tenía todas minúsculas. Hice la prueba aplicándola a la original, pero no tiene ningún efecto. ¿Por qué pasa esto?
Hola!! Estás viendo el resultado sobre el dataframe original?, recuerda reescribir el valor de la columna para que se refleje allí, cómo cuándo redefines el valor de una variable. Saludos!!
@@lacartilla7088 Para ver el resultado sobre la variable "titanic_" no queda todo en minúsculas con titanic_ = titanic.apply(df_lower), en el video parece que sí las hace minúsculas pero es porque ya las había hecho minúsculas en el original, en una línea anterior con .applymap.
Hola, me queda una duda con respecto a la division por cero , hay alguna manera de evitar el error con algun metodo o conviene hacer un condicional IF , por ejemplo que el resultado sea cero en ese caso y no "nan"??. Muchas gracias!!
Hola Sebastian, el valor "nan" técnicamente no es un error, si intentas dividir en consola 1/0 sí tendrás un error y tu script no se ejecutará de manera satisfactoria. Pandas internamente maneja esa división por cero para que en vez de arrojarnos un error que impida correr el script, aparezca en el dataframe valores vacíos (nan). En este caso particular como estamos trabajando con dataframes no recomendaría usar un condicional programado por nosotros, porque puede ser muy ineficiente, resulta más rápido e intuitivo generar el dataframe como en el tutorial y luego reasignar los valores nan de la columna usando el método fillna de pandas, indicándole que queremos reemplazar los vacíos por ceros. Vale la pena resaltar que un cero y un vacío son dos cosas muy distintas, en otros contextos no sería válido reemplazar estos "nan" por ceros y resultaría adecuado trabajarlos así, como valores vacíos. Saludos!!
profe! que calidad para explicar, tenia susto de meterme con pandas, pero la verdad lo explicas y haces entender de forma rapida. nuevamente gracias
¡Hola! En el minuto 23:30 usa .apply para aplicar la función df_lower a titanic, pero la aplica a la que ya tenía todas minúsculas. Hice la prueba aplicándola a la original, pero no tiene ningún efecto. ¿Por qué pasa esto?
Hola!! Estás viendo el resultado sobre el dataframe original?, recuerda reescribir el valor de la columna para que se refleje allí, cómo cuándo redefines el valor de una variable. Saludos!!
@@lacartilla7088 Para ver el resultado sobre la variable "titanic_" no queda todo en minúsculas con titanic_ = titanic.apply(df_lower), en el video parece que sí las hace minúsculas pero es porque ya las había hecho minúsculas en el original, en una línea anterior con .applymap.
O sea, que comparando .applymap con .apply, el primero sí funciona y el segundo parece que no aplica la función
Hola, excelente los videos.
Tengo una pregunta, cómo puedo hacer que se más rápido al guardar datos en SQL desde Python usando pandas?
Hola, me queda una duda con respecto a la division por cero , hay alguna manera de evitar el error con algun metodo o conviene hacer un condicional IF , por ejemplo que el resultado sea cero en ese caso y no "nan"??. Muchas gracias!!
Hola Sebastian, el valor "nan" técnicamente no es un error, si intentas dividir en consola 1/0 sí tendrás un error y tu script no se ejecutará de manera satisfactoria. Pandas internamente maneja esa división por cero para que en vez de arrojarnos un error que impida correr el script, aparezca en el dataframe valores vacíos (nan). En este caso particular como estamos trabajando con dataframes no recomendaría usar un condicional programado por nosotros, porque puede ser muy ineficiente, resulta más rápido e intuitivo generar el dataframe como en el tutorial y luego reasignar los valores nan de la columna usando el método fillna de pandas, indicándole que queremos reemplazar los vacíos por ceros. Vale la pena resaltar que un cero y un vacío son dos cosas muy distintas, en otros contextos no sería válido reemplazar estos "nan" por ceros y resultaría adecuado trabajarlos así, como valores vacíos. Saludos!!
@@lacartilla7088 Muy buena explicacion, gracias