Manuales

Appearance

Integracion con Pandas ​

Pandas usa NumPy por debajo: cada columna de un DataFrame (en el motor clasico) es, en esencia, un array tipado. Saber cruzar ambos evita conversiones innecesarias y permite vectorizar limpiezas.

De NumPy a Pandas ​

python
import numpy as np
import pandas as pd

data = np.array([[1, 2.5], [3, 4.5], [5, 6.5]])
df = pd.DataFrame(data, columns=["id", "score"])

De Pandas a NumPy ​

python
df = pd.DataFrame({"a": [1, 2, 3], "b": [4.0, 5.0, 6.0]})
df.to_numpy()
df["a"].to_numpy()
df["a"].values          # legacy; preferible to_numpy()

to_numpy() puede devolver una vista o copia segun dtypes homogeneos.

Operaciones hibridas ​

python
df = pd.DataFrame({"x": np.arange(5), "y": np.linspace(0, 1, 5)})
df["z"] = np.sqrt(df["x"].to_numpy())
df["z2"] = np.where(df["x"] > 2, df["y"], 0.0)

Cuando la expresion es numerica pura, bajar a NumPy suele ser mas predecible.

Cuidado con NaN ​

python
a = df["y"].to_numpy()
np.nanmean(a)

Los enteros con nulos en Pandas modernos pueden ser Int64 nullable; al pasar a NumPy a veces se upcastea a float.

Flujo recomendado ​

txt
leer CSV/Parquet (Pandas o DuckDB)
  -> limpiar tipos
  -> calculo pesado numerico (NumPy)
  -> volver a DataFrame para export/joins

Errores habituales ​

  • Encadenar .values mutables y romper columnas del DataFrame.
  • Mezclar dtypes y obtener dtype=object silencioso.
  • Hacer for idx, row in df.iterrows() para calculo numerico.

Buenas practicas ​

  • Usa Pandas para tabular/joins/IO; NumPy para algebra y kernels.
  • Fija dtypes al cargar (dtype=, parse_dates).
  • Si el dataset crece, evalua Polars o DuckDB antes de micro-optimizar NumPy.

Ejercicio ​

  1. Crea un DataFrame a partir de un ndarray (100, 3).
  2. Normaliza una columna restando media y dividiendo std con NumPy.
  3. Reinyecta el resultado como nueva columna y exporta a Parquet.