Uso de DataFrames.jl

En este ejemplo, trabajaré con un conjunto de datos de la población mundial por país, descargado de internet. Esta lección está basada en un vídeo de YouTube ¹.

Importación de datos

#

using DataFrames
using CSV

wp = DataFrame(CSV.File("./world_pop.csv"))
first(wp, 5)

describe(wp)

names(wp)

8-element Vector{String}:
 "Country"
 "Population 2024"
 "Population 2023"
 "Area (km2)"
 "Density (/km2)"
 "Growth Rate"
 "World %"
 "World Rank"

Manipulación de datos (Data wrangling)

#

Code snippet

wp.id = 1:nrow(wp)
first(wp, 5)

colnames = [:country, :pop2024, :pop2023, :area, :density, :growth_rate, :world_perc, :world_rank, :id]
rename!(wp, colnames)
describe(wp)

wp_clean = select!(wp, :id, :country, :pop2024, :growth_rate);

¡Ten cuidado! El signo de exclamación (!) modifica también la tabla original. Recuerda que no estamos haciendo copias, sino creando nuevos punteros a los mismos objetos en memoria.

describe(wp_clean)

describe(wp)

Subconjuntos (Subsetting)

#

Es posible comprobar si una cadena (p. ej., el nombre de un país) o un valor está presente utilizando el operador in.

"Tanzania" in wp.country

true

Podemos obtener el índice donde se encuentra un país específico utilizando las funciones findall() o findfirst().

# con funciones anónimas
findall(x -> x == "Tanzania", wp.country)

1-element Vector{Int64}:
 21

# o utilizando la función ==
findall(==("Tanzania"), wp.country)

1-element Vector{Int64}:
 21

Y esto nos permite extraer subconjuntos de nuestro dataframe de varias formas:

# usando cualquiera de las formas posibles con findall() o findfirst()
wp[findall(==("Tanzania"), wp.country), :]

# o usando broadcasting, de forma similar a la sintaxis de R
wp[wp.country .== "Tanzania", :]

La sentencia wp.country .== “Tanzania” devuelve un vector de 0s y 1s, que se utiliza para seleccionar las filas.