Libreria extrena Pandas

Pandas es la librería externa de facto en Python para la manipulación, limpieza y análisis de datos. Su nombre proviene de Panel Data (término econométrico para datos multidimensionales) y está construida sobre NumPy, lo que la hace extremadamente rápida y eficiente para manejar grandes volúmenes de información en forma de tablas.

Series
Una estructura unidimensional (similar a una columna de Excel o una lista indexada).
DataFrame
Una estructura bidimensional (una tabla completa con filas y columnas). 
pip install pandas

Crear un DataFrame desde cero y operaciones básicas

onimport pandas as pd

# Crear un diccionario
datos = {
   'Producto':['Laptop','Mouse','Teclado','Monitor'],
   'Precio':,
   'Stock':[15,100,50,0]
}

# Crear un DataFrame usando un diccionario
df = pd.DataFrame(datos)

# Mostrar las primeras filas
print(df.head(2))
# Obtener estadísticas rápidas de las columnas numéricas
print(df.describe())

Lectura, Filtrado y Selección de Datos

Pandas permite importar archivos CSV, Excel, SQL o JSON con una sola línea.

import pandas as pd

# Cargar un archivo (simulación)
# df = pd.read_csv("ventas.csv")

# 1. Filtrar: Obtener solo productos con precio mayor a 40 y que tengan Stock
productos_caros = df[(df['Precio'] > 40) & (df['Stock'] > 0)]

# 2. Seleccionar columnas específicas
solo_nombres = df['Producto']

# 3. Acceder por etiquetas (loc) o posiciones (iloc)
# Obtiene la fila en la posición 0
primera_fila = df.iloc[0]

Agrupaciones y Limpieza de Datos (Group By)

Una de las herramientas más potentes para resumir datos, equivalente a las tablas dinámicas de Excel.

import pandas as pd

# DataFrame de empleados
empleados = pd.DataFrame({
   'Departamento': ['IT','Ventas','IT','Ventas','RRHH'],
    'Salario':,
    'Bonos': [500,None,400,300,None]              # Datos faltantes (NaN)
})

# Limpieza: Reemplazar valores nulos (NaN) con 0
empleados['Bonos'] = empleados['Bonos'].fillna(0)

# Agrupar: Calcular el salario promedio por Departamento
salario_promedio = empleados.groupby('Departamento')['Salario'].mean()
print(salario_promedio)

Conexión con Plotly

Como se mencionó anteriormente, Pandas y Plotly se integran a la perfección. Plotly Express puede leer directamente un DataFrame de Pandas para generar gráficos interactivos en segundos.

import plotly.express as px

# Plotly toma las columnas 'Producto' y 'Precio' directamente del DataFrame de Pandas
fig = px.bar(df,x='Producto',y='Precio',title='Precios por Producto')
fig.show()