3.1 Programación básica aplicada a la solución de problemas

3.1 Programación básica aplicada a la solución de problemas#

En las unidades anteriores, construimos una base sólida en lógica y sintaxis de Python. Sin embargo, en el mundo real, los datos no se ingresan manualmente uno por uno a través de la consola; provienen de bases de datos, sistemas de información o, muy frecuentemente, de múltiples archivos de Excel dispersos.

En esta sección, daremos el salto hacia la automatización administrativa utilizando pandas, la biblioteca fundamental de Python para la manipulación y análisis de datos.

3.1.1 Introducción a Pandas y DataFrames#

Para trabajar con datos estructurados en Python, pandas nos ofrece un objeto llamado DataFrame.

Puedes pensar en un DataFrame como la versión en código de una hoja de cálculo. Tiene filas y columnas, pero con la ventaja de que podemos aplicarle transformaciones a millones de registros en fracciones de segundo sin que el computador se congele.

Para comenzar, siempre debemos importar la librería:

import pandas as pd

3.1.2 Lectura y Exploración Inicial de Datos#

El primer paso en cualquier flujo de trabajo es cargar la información y entender su estructura.

# Cargar un archivo de Excel a un DataFrame
df = pd.read_excel("registro_ventas.xlsx")

# Mostrar las primeras 5 filas para verificar que cargó correctamente
print(df.head())

# Obtener un resumen técnico: cantidad de filas, columnas y tipos de datos
print(df.info())

# Obtener estadísticas básicas (promedio, valores máximos y mínimos) de columnas numéricas
print(df.describe())

3.1.3 Limpieza y Transformación de Datos#

Rara vez los datos empresariales vienen perfectos. Es común encontrar celdas vacías, registros duplicados o formatos incorrectos. Python nos permite automatizar la limpieza de estos errores.

1. Manejo de valores nulos y duplicados:

# Eliminar cualquier fila que tenga al menos una celda vacía
df_limpio = df.dropna()

# Eliminar registros que sean exactamente iguales (duplicados)
df_limpio = df_limpio.drop_duplicates()

2. Filtrado de información: Podemos extraer subconjuntos de datos aplicando condiciones lógicas (las mismas que vimos en la Unidad 2).

# Crear un nuevo DataFrame solo con las ventas de la sucursal "Norte"
ventas_norte = df_limpio[df_limpio['Sucursal'] == 'Norte']

# Filtrar por múltiples condiciones (Ventas en el Norte mayores a $500)
ventas_destacadas = df_limpio[(df_limpio['Sucursal'] == 'Norte') & (df_limpio['Total'] > 500)]

3.1.4 Caso de Estudio: Consolidación y Transformación de Múltiples Archivos#

Un problema clásico en la gestión de datos es tener la información fragmentada. Supongamos que recibimos la información operativa dividida en tres archivos de Excel separados y necesitamos fusionarlos, limpiarlos y transformarlos en un formato estructurado único.

Hacer esto manualmente mes a mes es ineficiente. Con el siguiente script, estructuramos el proceso:

import pandas as pd

# 1. Cargar los tres archivos de Excel
# Supongamos que son reportes de tres zonas diferentes
df_zona1 = pd.read_excel("datos_zona1.xlsx")
df_zona2 = pd.read_excel("datos_zona2.xlsx")
df_zona3 = pd.read_excel("datos_zona3.xlsx")

# 2. Consolidar (Unir verticalmente)
# pd.concat agrupa los DataFrames uno debajo del otro
df_maestro = pd.concat([df_zona1, df_zona2, df_zona3], ignore_index=True)

# 3. Limpieza del archivo consolidado
df_maestro = df_maestro.drop_duplicates()
df_maestro = df_maestro.dropna(subset=['ID_Transaccion', 'Monto']) # Solo elimina si faltan datos clave

# 4. Transformación (Pivot/Agrupación)
# Queremos saber el total vendido por cada categoría de producto
resumen_ventas = df_maestro.groupby('Categoria')['Monto'].sum().reset_index()

# 5. Exportar los resultados
# Guardamos tanto el maestro limpio como el resumen en nuevos archivos
df_maestro.to_excel("Base_Datos_Consolidada.xlsx", index=False)
resumen_ventas.to_csv("Resumen_Categorias.csv", index=False)

print("Proceso de consolidación y transformación ejecutado con éxito.")

Este tipo de scripts son la base de la automatización de reportes. Una vez programado, no importa si los archivos originales tienen 100 o 100,000 filas; el código los procesará en segundos.

Contenido