Seminario de Lenguajes - Python¶

Cursada 2022¶

Clase 10: seguimos con pandas¶

Repasamos analizando la Copa América¶

Vamos a analizar los resultados de la Copa América, a partir de la página de la Wikipedia sobre este torneo.

In [1]:

import pandas as pd

import pandas as pd

In [2]:

url = "https://es.wikipedia.org/wiki/Copa_Am%C3%A9rica"
result = pd.read_html(url)

url = "https://es.wikipedia.org/wiki/Copa_Am%C3%A9rica" result = pd.read_html(url)

• ¿Qué tipo es result?
• ¿Qué hace read_html()?

Exploramos la tabla general¶

• Esta tabla, con la información de los torneos, se encuentra en result[1].

• Observemos cómo está compuesto el dataframe. ¿Cuáles son los nombres de las columnas? ¿Todas tienen valores válidos?

In [3]:

result[1]

result[1]

Out[3]:

	0	1	2	3	4	5	6	7	8	9	10	11	12	13
0	Año	#	Equipos	Sede	NaN	Campeón	FinalResultados	Subcampeón	NaN	Tercero	Resultados	Cuarto	NaN	NaN
1	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	NaN	NaN
2	1916[n 1]​Detalle	I	4	Argentina	NaN	Uruguay (1)	Lig.[n 2]​	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
3	1917Detalle	II	4	Uruguay	NaN	Uruguay (2)	Lig.	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
4	1919Detalle	III	4	Brasil	NaN	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	NaN	Argentina	Lig.	Chile	NaN	NaN
5	1920Detalle	IV	4	Chile	NaN	Uruguay (3)	Lig.	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
6	1921Detalle	V	4	Argentina	NaN	Argentina (1)	Lig.	Brasil	NaN	Uruguay	Lig.	Paraguay	NaN	NaN
7	1922Detalle	VI	5	Brasil	NaN	Brasil (2)	3:0[n 3]​	Paraguay	NaN	Uruguay	Lig.	Argentina	NaN	NaN
8	1923[n 6]​Detalle	VII	4	Uruguay	NaN	Uruguay (4)	Lig.	Argentina	NaN	Paraguay	Lig.	Brasil	NaN	NaN
9	1924Detalle	VIII	4	Uruguay[n 7]​	NaN	Uruguay (5)	Lig.	Argentina	NaN	Paraguay	Lig.	Chile	NaN	NaN
10	1925Detalle	IX	3	Argentina	NaN	Argentina (2)	Lig.	Brasil	NaN	Paraguay	Lig.	[n 8]​	NaN	NaN
11	1926Detalle	X	5	Chile	NaN	Uruguay (6)	Lig.	Argentina	NaN	Chile	Lig.	Paraguay	NaN	NaN
12	1927[n 9]​Detalle	XI	4	Perú	NaN	Argentina (3)	Lig.	Uruguay	NaN	Perú	Lig.	Bolivia	NaN	NaN
13	1929Detalle	XII	4	Argentina	NaN	Argentina (4)	Lig.	Paraguay	NaN	Uruguay	Lig.	Perú	NaN	NaN
14	1935[n 1]​[n 10]​Detalle	XIII	4	Perú	NaN	Uruguay (7)	Lig.	Argentina	NaN	Perú	Lig.	Chile	NaN	NaN
15	1937[n 11]​Detalle	XIV	6	Argentina	NaN	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	NaN	Uruguay	Lig.	Paraguay	NaN	NaN
16	1939Detalle	XV	5	Perú	NaN	Perú (1)	Lig.	Uruguay	NaN	Paraguay	Lig.	Chile	NaN	NaN
17	1941[n 1]​Detalle	XVI	5	Chile	NaN	Argentina (6)	Lig.	Uruguay	NaN	Chile	Lig.	Perú	NaN	NaN
18	1942Detalle	XVII	7	Uruguay	NaN	Uruguay (8)	Lig.	Argentina	NaN	Brasil	Lig.	Paraguay	NaN	NaN
19	1945[n 1]​Detalle	XVIII	7	Chile	NaN	Argentina (7)	Lig.	Brasil	NaN	Chile	Lig.	Uruguay	NaN	NaN
20	1946[n 1]​Detalle	XIX	6	Argentina	NaN	Argentina (8)	Lig.	Brasil	NaN	Paraguay	Lig.	Uruguay	NaN	NaN
21	1947Detalle	XX	8	Ecuador	NaN	Argentina (9)	Lig.	Paraguay	NaN	Uruguay	Lig.	Chile	NaN	NaN
22	1949Detalle	XXI	8	Brasil	NaN	Brasil (3)	7:0[n 3]​	Paraguay	NaN	Perú	Lig.	Bolivia	NaN	NaN
23	1953Detalle	XXII	7	Perú[n 13]​	NaN	Paraguay (1)	3:2[n 3]​	Brasil	NaN	Uruguay	Lig.	Chile	NaN	NaN
24	1955Detalle	XXIII	6	Chile	NaN	Argentina (10)	Lig.	Chile	NaN	Perú	Lig.	Uruguay	NaN	NaN
25	1956[n 1]​Detalle	XXIV	6	Uruguay	NaN	Uruguay (9)	Lig.	Chile	NaN	Argentina	Lig.	Brasil	NaN	NaN
26	1957Detalle	XXV	7	Perú	NaN	Argentina (11)	Lig.	Brasil	NaN	Uruguay	Lig.	Perú	NaN	NaN
27	1959Detalle	XXVI	7	Argentina	NaN	Argentina (12)	Lig.	Brasil	NaN	Paraguay	Lig.	Perú	NaN	NaN
28	1959[n 1]​Detalle	XXVII	5	Ecuador	NaN	Uruguay (10)	Lig.	Argentina	NaN	Brasil	Lig.	Ecuador	NaN	NaN
29	1963Detalle	XXVIII	7	Bolivia	NaN	Bolivia (1)	Lig.	Paraguay	NaN	Argentina	Lig.	Brasil	NaN	NaN
30	1967Detalle	XXIX	6	Uruguay	NaN	Uruguay (11)	Lig.	Argentina	NaN	Chile	Lig.	Paraguay	NaN	NaN
31	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	NaN	NaN
32	1975Detalle	XXX	10	Sudamérica	NaN	Perú (2)	0:12:01:0	Colombia	NaN	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	NaN	NaN
33	1979Detalle	XXXI	10	Sudamérica	NaN	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	NaN	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	NaN	NaN
34	1983Detalle	XXXII	10	Sudamérica	NaN	Uruguay (12)	2:01:1	Brasil	NaN	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	NaN	NaN
35	1987Detalle	XXXIII	10	Argentina	NaN	Uruguay (13)	1:0	Chile	NaN	Colombia	2:1	Argentina	NaN	NaN
36	1989Detalle	XXXIV	10	Brasil	NaN	Brasil (4)	Lig.	Uruguay	NaN	Argentina	Lig.	Paraguay	NaN	NaN
37	1991Detalle	XXXV	10	Chile	NaN	Argentina (13)	Lig.	Brasil	NaN	Chile	Lig.	Colombia	NaN	NaN
38	1993Detalle	XXXVI	12	Ecuador	NaN	Argentina (14)	2:1	México	NaN	Colombia	1:0	Ecuador	NaN	NaN
39	1995Detalle	XXXVII	12	Uruguay	NaN	Uruguay (14)	1:1(5:3 pen.)	Brasil	NaN	Colombia	4:1	Estados Unidos	NaN	NaN
40	1997Detalle	XXXVIII	12	Bolivia	NaN	Brasil (5)	3:1	Bolivia	NaN	México	1:0	Perú	NaN	NaN
41	1999Detalle	XXXIX	12	Paraguay	NaN	Brasil (6)	3:0	Uruguay	NaN	México	2:1	Chile	NaN	NaN
42	2001Detalle	XL	12	Colombia	NaN	Colombia (1)	1:0	México	NaN	Honduras	2:2(5:4 pen.)	Uruguay	NaN	NaN
43	2004Detalle	XLI	12	Perú	NaN	Brasil (7)	2:2(4:2 pen.)	Argentina	NaN	Uruguay	2:1	Colombia	NaN	NaN
44	2007Detalle	XLII	12	Venezuela	NaN	Brasil (8)	3:0	Argentina	NaN	México	3:1	Uruguay	NaN	NaN
45	2011Detalle	XLIII	12	Argentina	NaN	Uruguay (15)	3:0	Paraguay	NaN	Perú	4:1	Venezuela	NaN	NaN
46	2015Detalle	XLIV	12	Chile	NaN	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	NaN	Perú	2:0	Paraguay	NaN	NaN
47	2016Detalle	XLV	16	Estados Unidos	NaN	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	NaN	Colombia	1:0	Estados Unidos	NaN	NaN
48	2019Detalle	XLVI	12	Brasil	NaN	Brasil (9)	3:1	Perú	NaN	Argentina	2:1	Chile	NaN	NaN
49	2021[n 16]​Detalle	XLVII	10	Brasil[n 16]​	NaN	Argentina (15)	1:0	Brasil	NaN	Colombia	3:2	Perú	NaN	NaN

Empecemos a "limpiar" el dataframe: columnas no válidas¶

In [4]:

ediciones = result[1]
ediciones

ediciones = result[1] ediciones

Out[4]:

	0	1	2	3	4	5	6	7	8	9	10	11	12	13
0	Año	#	Equipos	Sede	NaN	Campeón	FinalResultados	Subcampeón	NaN	Tercero	Resultados	Cuarto	NaN	NaN
1	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	NaN	NaN
2	1916[n 1]​Detalle	I	4	Argentina	NaN	Uruguay (1)	Lig.[n 2]​	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
3	1917Detalle	II	4	Uruguay	NaN	Uruguay (2)	Lig.	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
4	1919Detalle	III	4	Brasil	NaN	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	NaN	Argentina	Lig.	Chile	NaN	NaN
5	1920Detalle	IV	4	Chile	NaN	Uruguay (3)	Lig.	Argentina	NaN	Brasil	Lig.	Chile	NaN	NaN
6	1921Detalle	V	4	Argentina	NaN	Argentina (1)	Lig.	Brasil	NaN	Uruguay	Lig.	Paraguay	NaN	NaN
7	1922Detalle	VI	5	Brasil	NaN	Brasil (2)	3:0[n 3]​	Paraguay	NaN	Uruguay	Lig.	Argentina	NaN	NaN
8	1923[n 6]​Detalle	VII	4	Uruguay	NaN	Uruguay (4)	Lig.	Argentina	NaN	Paraguay	Lig.	Brasil	NaN	NaN
9	1924Detalle	VIII	4	Uruguay[n 7]​	NaN	Uruguay (5)	Lig.	Argentina	NaN	Paraguay	Lig.	Chile	NaN	NaN
10	1925Detalle	IX	3	Argentina	NaN	Argentina (2)	Lig.	Brasil	NaN	Paraguay	Lig.	[n 8]​	NaN	NaN
11	1926Detalle	X	5	Chile	NaN	Uruguay (6)	Lig.	Argentina	NaN	Chile	Lig.	Paraguay	NaN	NaN
12	1927[n 9]​Detalle	XI	4	Perú	NaN	Argentina (3)	Lig.	Uruguay	NaN	Perú	Lig.	Bolivia	NaN	NaN
13	1929Detalle	XII	4	Argentina	NaN	Argentina (4)	Lig.	Paraguay	NaN	Uruguay	Lig.	Perú	NaN	NaN
14	1935[n 1]​[n 10]​Detalle	XIII	4	Perú	NaN	Uruguay (7)	Lig.	Argentina	NaN	Perú	Lig.	Chile	NaN	NaN
15	1937[n 11]​Detalle	XIV	6	Argentina	NaN	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	NaN	Uruguay	Lig.	Paraguay	NaN	NaN
16	1939Detalle	XV	5	Perú	NaN	Perú (1)	Lig.	Uruguay	NaN	Paraguay	Lig.	Chile	NaN	NaN
17	1941[n 1]​Detalle	XVI	5	Chile	NaN	Argentina (6)	Lig.	Uruguay	NaN	Chile	Lig.	Perú	NaN	NaN
18	1942Detalle	XVII	7	Uruguay	NaN	Uruguay (8)	Lig.	Argentina	NaN	Brasil	Lig.	Paraguay	NaN	NaN
19	1945[n 1]​Detalle	XVIII	7	Chile	NaN	Argentina (7)	Lig.	Brasil	NaN	Chile	Lig.	Uruguay	NaN	NaN
20	1946[n 1]​Detalle	XIX	6	Argentina	NaN	Argentina (8)	Lig.	Brasil	NaN	Paraguay	Lig.	Uruguay	NaN	NaN
21	1947Detalle	XX	8	Ecuador	NaN	Argentina (9)	Lig.	Paraguay	NaN	Uruguay	Lig.	Chile	NaN	NaN
22	1949Detalle	XXI	8	Brasil	NaN	Brasil (3)	7:0[n 3]​	Paraguay	NaN	Perú	Lig.	Bolivia	NaN	NaN
23	1953Detalle	XXII	7	Perú[n 13]​	NaN	Paraguay (1)	3:2[n 3]​	Brasil	NaN	Uruguay	Lig.	Chile	NaN	NaN
24	1955Detalle	XXIII	6	Chile	NaN	Argentina (10)	Lig.	Chile	NaN	Perú	Lig.	Uruguay	NaN	NaN
25	1956[n 1]​Detalle	XXIV	6	Uruguay	NaN	Uruguay (9)	Lig.	Chile	NaN	Argentina	Lig.	Brasil	NaN	NaN
26	1957Detalle	XXV	7	Perú	NaN	Argentina (11)	Lig.	Brasil	NaN	Uruguay	Lig.	Perú	NaN	NaN
27	1959Detalle	XXVI	7	Argentina	NaN	Argentina (12)	Lig.	Brasil	NaN	Paraguay	Lig.	Perú	NaN	NaN
28	1959[n 1]​Detalle	XXVII	5	Ecuador	NaN	Uruguay (10)	Lig.	Argentina	NaN	Brasil	Lig.	Ecuador	NaN	NaN
29	1963Detalle	XXVIII	7	Bolivia	NaN	Bolivia (1)	Lig.	Paraguay	NaN	Argentina	Lig.	Brasil	NaN	NaN
30	1967Detalle	XXIX	6	Uruguay	NaN	Uruguay (11)	Lig.	Argentina	NaN	Chile	Lig.	Paraguay	NaN	NaN
31	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	NaN	NaN
32	1975Detalle	XXX	10	Sudamérica	NaN	Perú (2)	0:12:01:0	Colombia	NaN	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	NaN	NaN
33	1979Detalle	XXXI	10	Sudamérica	NaN	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	NaN	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	NaN	NaN
34	1983Detalle	XXXII	10	Sudamérica	NaN	Uruguay (12)	2:01:1	Brasil	NaN	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	NaN	NaN
35	1987Detalle	XXXIII	10	Argentina	NaN	Uruguay (13)	1:0	Chile	NaN	Colombia	2:1	Argentina	NaN	NaN
36	1989Detalle	XXXIV	10	Brasil	NaN	Brasil (4)	Lig.	Uruguay	NaN	Argentina	Lig.	Paraguay	NaN	NaN
37	1991Detalle	XXXV	10	Chile	NaN	Argentina (13)	Lig.	Brasil	NaN	Chile	Lig.	Colombia	NaN	NaN
38	1993Detalle	XXXVI	12	Ecuador	NaN	Argentina (14)	2:1	México	NaN	Colombia	1:0	Ecuador	NaN	NaN
39	1995Detalle	XXXVII	12	Uruguay	NaN	Uruguay (14)	1:1(5:3 pen.)	Brasil	NaN	Colombia	4:1	Estados Unidos	NaN	NaN
40	1997Detalle	XXXVIII	12	Bolivia	NaN	Brasil (5)	3:1	Bolivia	NaN	México	1:0	Perú	NaN	NaN
41	1999Detalle	XXXIX	12	Paraguay	NaN	Brasil (6)	3:0	Uruguay	NaN	México	2:1	Chile	NaN	NaN
42	2001Detalle	XL	12	Colombia	NaN	Colombia (1)	1:0	México	NaN	Honduras	2:2(5:4 pen.)	Uruguay	NaN	NaN
43	2004Detalle	XLI	12	Perú	NaN	Brasil (7)	2:2(4:2 pen.)	Argentina	NaN	Uruguay	2:1	Colombia	NaN	NaN
44	2007Detalle	XLII	12	Venezuela	NaN	Brasil (8)	3:0	Argentina	NaN	México	3:1	Uruguay	NaN	NaN
45	2011Detalle	XLIII	12	Argentina	NaN	Uruguay (15)	3:0	Paraguay	NaN	Perú	4:1	Venezuela	NaN	NaN
46	2015Detalle	XLIV	12	Chile	NaN	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	NaN	Perú	2:0	Paraguay	NaN	NaN
47	2016Detalle	XLV	16	Estados Unidos	NaN	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	NaN	Colombia	1:0	Estados Unidos	NaN	NaN
48	2019Detalle	XLVI	12	Brasil	NaN	Brasil (9)	3:1	Perú	NaN	Argentina	2:1	Chile	NaN	NaN
49	2021[n 16]​Detalle	XLVII	10	Brasil[n 16]​	NaN	Argentina (15)	1:0	Brasil	NaN	Colombia	3:2	Perú	NaN	NaN

Empecemos a "limpiar" el dataframe: ¿qué representan los valores NaN?¶

• Con este valor indicamos que el valor no está o es nulo.
• En nuestro dataset, tenemos columnas con estos valores. Vamos a eliminar estas columnas: ¿cuáles son las columnas que deberíamos elimiinar?

In [5]:

ediciones = ediciones.drop([4, 8, 12, 13], axis='columns')

ediciones = ediciones.drop([4, 8, 12, 13], axis='columns')

In [6]:

ediciones

ediciones

Out[6]:

	0	1	2	3	5	6	7	9	10	11
0	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
1	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano
2	1916[n 1]​Detalle	I	4	Argentina	Uruguay (1)	Lig.[n 2]​	Argentina	Brasil	Lig.	Chile
3	1917Detalle	II	4	Uruguay	Uruguay (2)	Lig.	Argentina	Brasil	Lig.	Chile
4	1919Detalle	III	4	Brasil	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	Argentina	Lig.	Chile
5	1920Detalle	IV	4	Chile	Uruguay (3)	Lig.	Argentina	Brasil	Lig.	Chile
6	1921Detalle	V	4	Argentina	Argentina (1)	Lig.	Brasil	Uruguay	Lig.	Paraguay
7	1922Detalle	VI	5	Brasil	Brasil (2)	3:0[n 3]​	Paraguay	Uruguay	Lig.	Argentina
8	1923[n 6]​Detalle	VII	4	Uruguay	Uruguay (4)	Lig.	Argentina	Paraguay	Lig.	Brasil
9	1924Detalle	VIII	4	Uruguay[n 7]​	Uruguay (5)	Lig.	Argentina	Paraguay	Lig.	Chile
10	1925Detalle	IX	3	Argentina	Argentina (2)	Lig.	Brasil	Paraguay	Lig.	[n 8]​
11	1926Detalle	X	5	Chile	Uruguay (6)	Lig.	Argentina	Chile	Lig.	Paraguay
12	1927[n 9]​Detalle	XI	4	Perú	Argentina (3)	Lig.	Uruguay	Perú	Lig.	Bolivia
13	1929Detalle	XII	4	Argentina	Argentina (4)	Lig.	Paraguay	Uruguay	Lig.	Perú
14	1935[n 1]​[n 10]​Detalle	XIII	4	Perú	Uruguay (7)	Lig.	Argentina	Perú	Lig.	Chile
15	1937[n 11]​Detalle	XIV	6	Argentina	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	Uruguay	Lig.	Paraguay
16	1939Detalle	XV	5	Perú	Perú (1)	Lig.	Uruguay	Paraguay	Lig.	Chile
17	1941[n 1]​Detalle	XVI	5	Chile	Argentina (6)	Lig.	Uruguay	Chile	Lig.	Perú
18	1942Detalle	XVII	7	Uruguay	Uruguay (8)	Lig.	Argentina	Brasil	Lig.	Paraguay
19	1945[n 1]​Detalle	XVIII	7	Chile	Argentina (7)	Lig.	Brasil	Chile	Lig.	Uruguay
20	1946[n 1]​Detalle	XIX	6	Argentina	Argentina (8)	Lig.	Brasil	Paraguay	Lig.	Uruguay
21	1947Detalle	XX	8	Ecuador	Argentina (9)	Lig.	Paraguay	Uruguay	Lig.	Chile
22	1949Detalle	XXI	8	Brasil	Brasil (3)	7:0[n 3]​	Paraguay	Perú	Lig.	Bolivia
23	1953Detalle	XXII	7	Perú[n 13]​	Paraguay (1)	3:2[n 3]​	Brasil	Uruguay	Lig.	Chile
24	1955Detalle	XXIII	6	Chile	Argentina (10)	Lig.	Chile	Perú	Lig.	Uruguay
25	1956[n 1]​Detalle	XXIV	6	Uruguay	Uruguay (9)	Lig.	Chile	Argentina	Lig.	Brasil
26	1957Detalle	XXV	7	Perú	Argentina (11)	Lig.	Brasil	Uruguay	Lig.	Perú
27	1959Detalle	XXVI	7	Argentina	Argentina (12)	Lig.	Brasil	Paraguay	Lig.	Perú
28	1959[n 1]​Detalle	XXVII	5	Ecuador	Uruguay (10)	Lig.	Argentina	Brasil	Lig.	Ecuador
29	1963Detalle	XXVIII	7	Bolivia	Bolivia (1)	Lig.	Paraguay	Argentina	Lig.	Brasil
30	1967Detalle	XXIX	6	Uruguay	Uruguay (11)	Lig.	Argentina	Chile	Lig.	Paraguay
31	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América
32	1975Detalle	XXX	10	Sudamérica	Perú (2)	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979Detalle	XXXI	10	Sudamérica	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983Detalle	XXXII	10	Sudamérica	Uruguay (12)	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987Detalle	XXXIII	10	Argentina	Uruguay (13)	1:0	Chile	Colombia	2:1	Argentina
36	1989Detalle	XXXIV	10	Brasil	Brasil (4)	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991Detalle	XXXV	10	Chile	Argentina (13)	Lig.	Brasil	Chile	Lig.	Colombia
38	1993Detalle	XXXVI	12	Ecuador	Argentina (14)	2:1	México	Colombia	1:0	Ecuador
39	1995Detalle	XXXVII	12	Uruguay	Uruguay (14)	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997Detalle	XXXVIII	12	Bolivia	Brasil (5)	3:1	Bolivia	México	1:0	Perú
41	1999Detalle	XXXIX	12	Paraguay	Brasil (6)	3:0	Uruguay	México	2:1	Chile
42	2001Detalle	XL	12	Colombia	Colombia (1)	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004Detalle	XLI	12	Perú	Brasil (7)	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007Detalle	XLII	12	Venezuela	Brasil (8)	3:0	Argentina	México	3:1	Uruguay
45	2011Detalle	XLIII	12	Argentina	Uruguay (15)	3:0	Paraguay	Perú	4:1	Venezuela
46	2015Detalle	XLIV	12	Chile	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016Detalle	XLV	16	Estados Unidos	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019Detalle	XLVI	12	Brasil	Brasil (9)	3:1	Perú	Argentina	2:1	Chile
49	2021[n 16]​Detalle	XLVII	10	Brasil[n 16]​	Argentina (15)	1:0	Brasil	Colombia	3:2	Perú

Observemos los nombres de las columnas¶

In [7]:

ediciones.columns

ediciones.columns

Out[7]:

Int64Index([0, 1, 2, 3, 5, 6, 7, 9, 10, 11], dtype='int64')

• ¿Dónde se encuentran los nombres de las columnas?

In [8]:

ediciones.columns = ediciones.iloc[0]

ediciones.columns = ediciones.iloc[0]

In [9]:

ediciones

ediciones

Out[9]:

	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
0	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
1	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano	Campeonato Sudamericano
2	1916[n 1]​Detalle	I	4	Argentina	Uruguay (1)	Lig.[n 2]​	Argentina	Brasil	Lig.	Chile
3	1917Detalle	II	4	Uruguay	Uruguay (2)	Lig.	Argentina	Brasil	Lig.	Chile
4	1919Detalle	III	4	Brasil	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	Argentina	Lig.	Chile
5	1920Detalle	IV	4	Chile	Uruguay (3)	Lig.	Argentina	Brasil	Lig.	Chile
6	1921Detalle	V	4	Argentina	Argentina (1)	Lig.	Brasil	Uruguay	Lig.	Paraguay
7	1922Detalle	VI	5	Brasil	Brasil (2)	3:0[n 3]​	Paraguay	Uruguay	Lig.	Argentina
8	1923[n 6]​Detalle	VII	4	Uruguay	Uruguay (4)	Lig.	Argentina	Paraguay	Lig.	Brasil
9	1924Detalle	VIII	4	Uruguay[n 7]​	Uruguay (5)	Lig.	Argentina	Paraguay	Lig.	Chile
10	1925Detalle	IX	3	Argentina	Argentina (2)	Lig.	Brasil	Paraguay	Lig.	[n 8]​
11	1926Detalle	X	5	Chile	Uruguay (6)	Lig.	Argentina	Chile	Lig.	Paraguay
12	1927[n 9]​Detalle	XI	4	Perú	Argentina (3)	Lig.	Uruguay	Perú	Lig.	Bolivia
13	1929Detalle	XII	4	Argentina	Argentina (4)	Lig.	Paraguay	Uruguay	Lig.	Perú
14	1935[n 1]​[n 10]​Detalle	XIII	4	Perú	Uruguay (7)	Lig.	Argentina	Perú	Lig.	Chile
15	1937[n 11]​Detalle	XIV	6	Argentina	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	Uruguay	Lig.	Paraguay
16	1939Detalle	XV	5	Perú	Perú (1)	Lig.	Uruguay	Paraguay	Lig.	Chile
17	1941[n 1]​Detalle	XVI	5	Chile	Argentina (6)	Lig.	Uruguay	Chile	Lig.	Perú
18	1942Detalle	XVII	7	Uruguay	Uruguay (8)	Lig.	Argentina	Brasil	Lig.	Paraguay
19	1945[n 1]​Detalle	XVIII	7	Chile	Argentina (7)	Lig.	Brasil	Chile	Lig.	Uruguay
20	1946[n 1]​Detalle	XIX	6	Argentina	Argentina (8)	Lig.	Brasil	Paraguay	Lig.	Uruguay
21	1947Detalle	XX	8	Ecuador	Argentina (9)	Lig.	Paraguay	Uruguay	Lig.	Chile
22	1949Detalle	XXI	8	Brasil	Brasil (3)	7:0[n 3]​	Paraguay	Perú	Lig.	Bolivia
23	1953Detalle	XXII	7	Perú[n 13]​	Paraguay (1)	3:2[n 3]​	Brasil	Uruguay	Lig.	Chile
24	1955Detalle	XXIII	6	Chile	Argentina (10)	Lig.	Chile	Perú	Lig.	Uruguay
25	1956[n 1]​Detalle	XXIV	6	Uruguay	Uruguay (9)	Lig.	Chile	Argentina	Lig.	Brasil
26	1957Detalle	XXV	7	Perú	Argentina (11)	Lig.	Brasil	Uruguay	Lig.	Perú
27	1959Detalle	XXVI	7	Argentina	Argentina (12)	Lig.	Brasil	Paraguay	Lig.	Perú
28	1959[n 1]​Detalle	XXVII	5	Ecuador	Uruguay (10)	Lig.	Argentina	Brasil	Lig.	Ecuador
29	1963Detalle	XXVIII	7	Bolivia	Bolivia (1)	Lig.	Paraguay	Argentina	Lig.	Brasil
30	1967Detalle	XXIX	6	Uruguay	Uruguay (11)	Lig.	Argentina	Chile	Lig.	Paraguay
31	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América
32	1975Detalle	XXX	10	Sudamérica	Perú (2)	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979Detalle	XXXI	10	Sudamérica	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983Detalle	XXXII	10	Sudamérica	Uruguay (12)	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987Detalle	XXXIII	10	Argentina	Uruguay (13)	1:0	Chile	Colombia	2:1	Argentina
36	1989Detalle	XXXIV	10	Brasil	Brasil (4)	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991Detalle	XXXV	10	Chile	Argentina (13)	Lig.	Brasil	Chile	Lig.	Colombia
38	1993Detalle	XXXVI	12	Ecuador	Argentina (14)	2:1	México	Colombia	1:0	Ecuador
39	1995Detalle	XXXVII	12	Uruguay	Uruguay (14)	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997Detalle	XXXVIII	12	Bolivia	Brasil (5)	3:1	Bolivia	México	1:0	Perú
41	1999Detalle	XXXIX	12	Paraguay	Brasil (6)	3:0	Uruguay	México	2:1	Chile
42	2001Detalle	XL	12	Colombia	Colombia (1)	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004Detalle	XLI	12	Perú	Brasil (7)	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007Detalle	XLII	12	Venezuela	Brasil (8)	3:0	Argentina	México	3:1	Uruguay
45	2011Detalle	XLIII	12	Argentina	Uruguay (15)	3:0	Paraguay	Perú	4:1	Venezuela
46	2015Detalle	XLIV	12	Chile	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016Detalle	XLV	16	Estados Unidos	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019Detalle	XLVI	12	Brasil	Brasil (9)	3:1	Perú	Argentina	2:1	Chile
49	2021[n 16]​Detalle	XLVII	10	Brasil[n 16]​	Argentina (15)	1:0	Brasil	Colombia	3:2	Perú

Vemos que las dos primeras filas no tienen datos válidos para nuestro análisis. Por lo tanto, las vamos a eliminar antes de seguir:

In [10]:

ediciones = ediciones[2:]

ediciones = ediciones[2:]

In [11]:

ediciones

ediciones

Out[11]:

	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
2	1916[n 1]​Detalle	I	4	Argentina	Uruguay (1)	Lig.[n 2]​	Argentina	Brasil	Lig.	Chile
3	1917Detalle	II	4	Uruguay	Uruguay (2)	Lig.	Argentina	Brasil	Lig.	Chile
4	1919Detalle	III	4	Brasil	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	Argentina	Lig.	Chile
5	1920Detalle	IV	4	Chile	Uruguay (3)	Lig.	Argentina	Brasil	Lig.	Chile
6	1921Detalle	V	4	Argentina	Argentina (1)	Lig.	Brasil	Uruguay	Lig.	Paraguay
7	1922Detalle	VI	5	Brasil	Brasil (2)	3:0[n 3]​	Paraguay	Uruguay	Lig.	Argentina
8	1923[n 6]​Detalle	VII	4	Uruguay	Uruguay (4)	Lig.	Argentina	Paraguay	Lig.	Brasil
9	1924Detalle	VIII	4	Uruguay[n 7]​	Uruguay (5)	Lig.	Argentina	Paraguay	Lig.	Chile
10	1925Detalle	IX	3	Argentina	Argentina (2)	Lig.	Brasil	Paraguay	Lig.	[n 8]​
11	1926Detalle	X	5	Chile	Uruguay (6)	Lig.	Argentina	Chile	Lig.	Paraguay
12	1927[n 9]​Detalle	XI	4	Perú	Argentina (3)	Lig.	Uruguay	Perú	Lig.	Bolivia
13	1929Detalle	XII	4	Argentina	Argentina (4)	Lig.	Paraguay	Uruguay	Lig.	Perú
14	1935[n 1]​[n 10]​Detalle	XIII	4	Perú	Uruguay (7)	Lig.	Argentina	Perú	Lig.	Chile
15	1937[n 11]​Detalle	XIV	6	Argentina	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	Uruguay	Lig.	Paraguay
16	1939Detalle	XV	5	Perú	Perú (1)	Lig.	Uruguay	Paraguay	Lig.	Chile
17	1941[n 1]​Detalle	XVI	5	Chile	Argentina (6)	Lig.	Uruguay	Chile	Lig.	Perú
18	1942Detalle	XVII	7	Uruguay	Uruguay (8)	Lig.	Argentina	Brasil	Lig.	Paraguay
19	1945[n 1]​Detalle	XVIII	7	Chile	Argentina (7)	Lig.	Brasil	Chile	Lig.	Uruguay
20	1946[n 1]​Detalle	XIX	6	Argentina	Argentina (8)	Lig.	Brasil	Paraguay	Lig.	Uruguay
21	1947Detalle	XX	8	Ecuador	Argentina (9)	Lig.	Paraguay	Uruguay	Lig.	Chile
22	1949Detalle	XXI	8	Brasil	Brasil (3)	7:0[n 3]​	Paraguay	Perú	Lig.	Bolivia
23	1953Detalle	XXII	7	Perú[n 13]​	Paraguay (1)	3:2[n 3]​	Brasil	Uruguay	Lig.	Chile
24	1955Detalle	XXIII	6	Chile	Argentina (10)	Lig.	Chile	Perú	Lig.	Uruguay
25	1956[n 1]​Detalle	XXIV	6	Uruguay	Uruguay (9)	Lig.	Chile	Argentina	Lig.	Brasil
26	1957Detalle	XXV	7	Perú	Argentina (11)	Lig.	Brasil	Uruguay	Lig.	Perú
27	1959Detalle	XXVI	7	Argentina	Argentina (12)	Lig.	Brasil	Paraguay	Lig.	Perú
28	1959[n 1]​Detalle	XXVII	5	Ecuador	Uruguay (10)	Lig.	Argentina	Brasil	Lig.	Ecuador
29	1963Detalle	XXVIII	7	Bolivia	Bolivia (1)	Lig.	Paraguay	Argentina	Lig.	Brasil
30	1967Detalle	XXIX	6	Uruguay	Uruguay (11)	Lig.	Argentina	Chile	Lig.	Paraguay
31	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América
32	1975Detalle	XXX	10	Sudamérica	Perú (2)	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979Detalle	XXXI	10	Sudamérica	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983Detalle	XXXII	10	Sudamérica	Uruguay (12)	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987Detalle	XXXIII	10	Argentina	Uruguay (13)	1:0	Chile	Colombia	2:1	Argentina
36	1989Detalle	XXXIV	10	Brasil	Brasil (4)	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991Detalle	XXXV	10	Chile	Argentina (13)	Lig.	Brasil	Chile	Lig.	Colombia
38	1993Detalle	XXXVI	12	Ecuador	Argentina (14)	2:1	México	Colombia	1:0	Ecuador
39	1995Detalle	XXXVII	12	Uruguay	Uruguay (14)	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997Detalle	XXXVIII	12	Bolivia	Brasil (5)	3:1	Bolivia	México	1:0	Perú
41	1999Detalle	XXXIX	12	Paraguay	Brasil (6)	3:0	Uruguay	México	2:1	Chile
42	2001Detalle	XL	12	Colombia	Colombia (1)	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004Detalle	XLI	12	Perú	Brasil (7)	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007Detalle	XLII	12	Venezuela	Brasil (8)	3:0	Argentina	México	3:1	Uruguay
45	2011Detalle	XLIII	12	Argentina	Uruguay (15)	3:0	Paraguay	Perú	4:1	Venezuela
46	2015Detalle	XLIV	12	Chile	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016Detalle	XLV	16	Estados Unidos	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019Detalle	XLVI	12	Brasil	Brasil (9)	3:1	Perú	Argentina	2:1	Chile
49	2021[n 16]​Detalle	XLVII	10	Brasil[n 16]​	Argentina (15)	1:0	Brasil	Colombia	3:2	Perú

Observemos la columna año ...¶

Si obervamos la columna año, vemos que todas terminan con la cadena "Detalle". Vamos a eliminar esto y dejar sólo el año.

In [12]:

ediciones["Año"].head()

ediciones["Año"].head()

Out[12]:

2    1916[n 1]​Detalle
3          1917Detalle
4          1919Detalle
5          1920Detalle
6          1921Detalle
Name: Año, dtype: object

In [14]:

#ediciones["Año"].str[0:4]  
ediciones["Año"] = ediciones["Año"].str[0:4]

#ediciones["Año"].str[0:4] ediciones["Año"] = ediciones["Año"].str[0:4]

/tmp/ipykernel_5831/1426302486.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  ediciones["Año"] = ediciones["Año"].str[0:4]

In [15]:

ediciones["Año"]

ediciones["Año"]

Out[15]:

2     1916
3     1917
4     1919
5     1920
6     1921
7     1922
8     1923
9     1924
10    1925
11    1926
12    1927
13    1929
14    1935
15    1937
16    1939
17    1941
18    1942
19    1945
20    1946
21    1947
22    1949
23    1953
24    1955
25    1956
26    1957
27    1959
28    1959
29    1963
30    1967
31    Copa
32    1975
33    1979
34    1983
35    1987
36    1989
37    1991
38    1993
39    1995
40    1997
41    1999
42    2001
43    2004
44    2007
45    2011
46    2015
47    2016
48    2019
49    2021
Name: Año, dtype: object

Esta operación genera SettingWithCopyWarning, ¿por qué?

• Más info:
  • https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  • https://www.dataquest.io/blog/settingwithcopywarning/
• O en el video de Marc Garcia

SettingWithCopyWarning¶

• Algunas acciones en pandas retornan una vista de los datos y otras una copia

Imagen sacada de https://www.dataquest.io/blog/settingwithcopywarning/

SettingWithCopyWarning¶

• Por lo tanto, ante una modificación:

Imagen sacada de https://www.dataquest.io/blog/settingwithcopywarning/

Por lo tanto ...¶

In [ ]:

#ediciones = ediciones.copy()

#ediciones = ediciones.copy()

In [16]:

ediciones.tail(20)

ediciones.tail(20)

Out[16]:

	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
30	1967	XXIX	6	Uruguay	Uruguay (11)	Lig.	Argentina	Chile	Lig.	Paraguay
31	Copa	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América	Copa América
32	1975	XXX	10	Sudamérica	Perú (2)	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979	XXXI	10	Sudamérica	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983	XXXII	10	Sudamérica	Uruguay (12)	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987	XXXIII	10	Argentina	Uruguay (13)	1:0	Chile	Colombia	2:1	Argentina
36	1989	XXXIV	10	Brasil	Brasil (4)	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991	XXXV	10	Chile	Argentina (13)	Lig.	Brasil	Chile	Lig.	Colombia
38	1993	XXXVI	12	Ecuador	Argentina (14)	2:1	México	Colombia	1:0	Ecuador
39	1995	XXXVII	12	Uruguay	Uruguay (14)	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997	XXXVIII	12	Bolivia	Brasil (5)	3:1	Bolivia	México	1:0	Perú
41	1999	XXXIX	12	Paraguay	Brasil (6)	3:0	Uruguay	México	2:1	Chile
42	2001	XL	12	Colombia	Colombia (1)	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004	XLI	12	Perú	Brasil (7)	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007	XLII	12	Venezuela	Brasil (8)	3:0	Argentina	México	3:1	Uruguay
45	2011	XLIII	12	Argentina	Uruguay (15)	3:0	Paraguay	Perú	4:1	Venezuela
46	2015	XLIV	12	Chile	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016	XLV	16	Estados Unidos	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019	XLVI	12	Brasil	Brasil (9)	3:1	Perú	Argentina	2:1	Chile
49	2021	XLVII	10	Brasil[n 16]​	Argentina (15)	1:0	Brasil	Colombia	3:2	Perú

Si observamos los datos, podemos ver que hay una fila con datos que no nos sirve: la fila 31. La vamo a eliminar. Si el dataset es muy grande, ¿cómo podemos darnos cuenta de estas cosas?

In [17]:

ediciones = ediciones.drop([31], axis="rows")
ediciones

ediciones = ediciones.drop([31], axis="rows") ediciones

Out[17]:

	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
2	1916	I	4	Argentina	Uruguay (1)	Lig.[n 2]​	Argentina	Brasil	Lig.	Chile
3	1917	II	4	Uruguay	Uruguay (2)	Lig.	Argentina	Brasil	Lig.	Chile
4	1919	III	4	Brasil	Brasil (1)	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	Argentina	Lig.	Chile
5	1920	IV	4	Chile	Uruguay (3)	Lig.	Argentina	Brasil	Lig.	Chile
6	1921	V	4	Argentina	Argentina (1)	Lig.	Brasil	Uruguay	Lig.	Paraguay
7	1922	VI	5	Brasil	Brasil (2)	3:0[n 3]​	Paraguay	Uruguay	Lig.	Argentina
8	1923	VII	4	Uruguay	Uruguay (4)	Lig.	Argentina	Paraguay	Lig.	Brasil
9	1924	VIII	4	Uruguay[n 7]​	Uruguay (5)	Lig.	Argentina	Paraguay	Lig.	Chile
10	1925	IX	3	Argentina	Argentina (2)	Lig.	Brasil	Paraguay	Lig.	[n 8]​
11	1926	X	5	Chile	Uruguay (6)	Lig.	Argentina	Chile	Lig.	Paraguay
12	1927	XI	4	Perú	Argentina (3)	Lig.	Uruguay	Perú	Lig.	Bolivia
13	1929	XII	4	Argentina	Argentina (4)	Lig.	Paraguay	Uruguay	Lig.	Perú
14	1935	XIII	4	Perú	Uruguay (7)	Lig.	Argentina	Perú	Lig.	Chile
15	1937	XIV	6	Argentina	Argentina (5)	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	Uruguay	Lig.	Paraguay
16	1939	XV	5	Perú	Perú (1)	Lig.	Uruguay	Paraguay	Lig.	Chile
17	1941	XVI	5	Chile	Argentina (6)	Lig.	Uruguay	Chile	Lig.	Perú
18	1942	XVII	7	Uruguay	Uruguay (8)	Lig.	Argentina	Brasil	Lig.	Paraguay
19	1945	XVIII	7	Chile	Argentina (7)	Lig.	Brasil	Chile	Lig.	Uruguay
20	1946	XIX	6	Argentina	Argentina (8)	Lig.	Brasil	Paraguay	Lig.	Uruguay
21	1947	XX	8	Ecuador	Argentina (9)	Lig.	Paraguay	Uruguay	Lig.	Chile
22	1949	XXI	8	Brasil	Brasil (3)	7:0[n 3]​	Paraguay	Perú	Lig.	Bolivia
23	1953	XXII	7	Perú[n 13]​	Paraguay (1)	3:2[n 3]​	Brasil	Uruguay	Lig.	Chile
24	1955	XXIII	6	Chile	Argentina (10)	Lig.	Chile	Perú	Lig.	Uruguay
25	1956	XXIV	6	Uruguay	Uruguay (9)	Lig.	Chile	Argentina	Lig.	Brasil
26	1957	XXV	7	Perú	Argentina (11)	Lig.	Brasil	Uruguay	Lig.	Perú
27	1959	XXVI	7	Argentina	Argentina (12)	Lig.	Brasil	Paraguay	Lig.	Perú
28	1959	XXVII	5	Ecuador	Uruguay (10)	Lig.	Argentina	Brasil	Lig.	Ecuador
29	1963	XXVIII	7	Bolivia	Bolivia (1)	Lig.	Paraguay	Argentina	Lig.	Brasil
30	1967	XXIX	6	Uruguay	Uruguay (11)	Lig.	Argentina	Chile	Lig.	Paraguay
32	1975	XXX	10	Sudamérica	Perú (2)	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979	XXXI	10	Sudamérica	Paraguay (2)	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983	XXXII	10	Sudamérica	Uruguay (12)	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987	XXXIII	10	Argentina	Uruguay (13)	1:0	Chile	Colombia	2:1	Argentina
36	1989	XXXIV	10	Brasil	Brasil (4)	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991	XXXV	10	Chile	Argentina (13)	Lig.	Brasil	Chile	Lig.	Colombia
38	1993	XXXVI	12	Ecuador	Argentina (14)	2:1	México	Colombia	1:0	Ecuador
39	1995	XXXVII	12	Uruguay	Uruguay (14)	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997	XXXVIII	12	Bolivia	Brasil (5)	3:1	Bolivia	México	1:0	Perú
41	1999	XXXIX	12	Paraguay	Brasil (6)	3:0	Uruguay	México	2:1	Chile
42	2001	XL	12	Colombia	Colombia (1)	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004	XLI	12	Perú	Brasil (7)	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007	XLII	12	Venezuela	Brasil (8)	3:0	Argentina	México	3:1	Uruguay
45	2011	XLIII	12	Argentina	Uruguay (15)	3:0	Paraguay	Perú	4:1	Venezuela
46	2015	XLIV	12	Chile	Chile (1)	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016	XLV	16	Estados Unidos	Chile (2)	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019	XLVI	12	Brasil	Brasil (9)	3:1	Perú	Argentina	2:1	Chile
49	2021	XLVII	10	Brasil[n 16]​	Argentina (15)	1:0	Brasil	Colombia	3:2	Perú

Observemos la columna Campeón ...¶

Otro dato que podríamos "limpiar" es la columna Campeón. Si observamos, todos los países terminan con una cadena similar a: "(x)". Si queremos utilizar esta columna para nuestras consultas, esto podría traernos poblemas.

Vamos a eliminar estos caracteres de los valores de esta columna:

In [18]:

#ediciones["Campeón"].str[:-4]  
ediciones["Campeón"] = ediciones["Campeón"].str[:-4]

#ediciones["Campeón"].str[:-4] ediciones["Campeón"] = ediciones["Campeón"].str[:-4]

In [19]:

ediciones

ediciones

Out[19]:

	Año	#	Equipos	Sede	Campeón	FinalResultados	Subcampeón	Tercero	Resultados	Cuarto
2	1916	I	4	Argentina	Uruguay	Lig.[n 2]​	Argentina	Brasil	Lig.	Chile
3	1917	II	4	Uruguay	Uruguay	Lig.	Argentina	Brasil	Lig.	Chile
4	1919	III	4	Brasil	Brasil	1:0[n 3]​ (pró.)[n 4]​[n 5]​	Uruguay	Argentina	Lig.	Chile
5	1920	IV	4	Chile	Uruguay	Lig.	Argentina	Brasil	Lig.	Chile
6	1921	V	4	Argentina	Argentina	Lig.	Brasil	Uruguay	Lig.	Paraguay
7	1922	VI	5	Brasil	Brasil	3:0[n 3]​	Paraguay	Uruguay	Lig.	Argentina
8	1923	VII	4	Uruguay	Uruguay	Lig.	Argentina	Paraguay	Lig.	Brasil
9	1924	VIII	4	Uruguay[n 7]​	Uruguay	Lig.	Argentina	Paraguay	Lig.	Chile
10	1925	IX	3	Argentina	Argentina	Lig.	Brasil	Paraguay	Lig.	[n 8]​
11	1926	X	5	Chile	Uruguay	Lig.	Argentina	Chile	Lig.	Paraguay
12	1927	XI	4	Perú	Argentina	Lig.	Uruguay	Perú	Lig.	Bolivia
13	1929	XII	4	Argentina	Argentina	Lig.	Paraguay	Uruguay	Lig.	Perú
14	1935	XIII	4	Perú	Uruguay	Lig.	Argentina	Perú	Lig.	Chile
15	1937	XIV	6	Argentina	Argentina	2:0[n 3]​ (pró.)[n 4]​[n 12]​	Brasil	Uruguay	Lig.	Paraguay
16	1939	XV	5	Perú	Perú	Lig.	Uruguay	Paraguay	Lig.	Chile
17	1941	XVI	5	Chile	Argentina	Lig.	Uruguay	Chile	Lig.	Perú
18	1942	XVII	7	Uruguay	Uruguay	Lig.	Argentina	Brasil	Lig.	Paraguay
19	1945	XVIII	7	Chile	Argentina	Lig.	Brasil	Chile	Lig.	Uruguay
20	1946	XIX	6	Argentina	Argentina	Lig.	Brasil	Paraguay	Lig.	Uruguay
21	1947	XX	8	Ecuador	Argentina	Lig.	Paraguay	Uruguay	Lig.	Chile
22	1949	XXI	8	Brasil	Brasil	7:0[n 3]​	Paraguay	Perú	Lig.	Bolivia
23	1953	XXII	7	Perú[n 13]​	Paraguay	3:2[n 3]​	Brasil	Uruguay	Lig.	Chile
24	1955	XXIII	6	Chile	Argentina	Lig.	Chile	Perú	Lig.	Uruguay
25	1956	XXIV	6	Uruguay	Uruguay	Lig.	Chile	Argentina	Lig.	Brasil
26	1957	XXV	7	Perú	Argentina	Lig.	Brasil	Uruguay	Lig.	Perú
27	1959	XXVI	7	Argentina	Argentina	Lig.	Brasil	Paraguay	Lig.	Perú
28	1959	XXVII	5	Ecuador	Uruguay	Lig.	Argentina	Brasil	Lig.	Ecuador
29	1963	XXVIII	7	Bolivia	Bolivia	Lig.	Paraguay	Argentina	Lig.	Brasil
30	1967	XXIX	6	Uruguay	Uruguay	Lig.	Argentina	Chile	Lig.	Paraguay
32	1975	XXX	10	Sudamérica	Perú	0:12:01:0	Colombia	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay	Brasil y[n 14]​ Uruguay
33	1979	XXXI	10	Sudamérica	Paraguay	3:00:10:0 (pró.)[n 4]​[n 15]​[n 12]​	Chile	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú	Brasil y[n 14]​ Perú
34	1983	XXXII	10	Sudamérica	Uruguay	2:01:1	Brasil	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú	Paraguay y[n 14]​ Perú
35	1987	XXXIII	10	Argentina	Uruguay	1:0	Chile	Colombia	2:1	Argentina
36	1989	XXXIV	10	Brasil	Brasil	Lig.	Uruguay	Argentina	Lig.	Paraguay
37	1991	XXXV	10	Chile	Argentina	Lig.	Brasil	Chile	Lig.	Colombia
38	1993	XXXVI	12	Ecuador	Argentina	2:1	México	Colombia	1:0	Ecuador
39	1995	XXXVII	12	Uruguay	Uruguay	1:1(5:3 pen.)	Brasil	Colombia	4:1	Estados Unidos
40	1997	XXXVIII	12	Bolivia	Brasil	3:1	Bolivia	México	1:0	Perú
41	1999	XXXIX	12	Paraguay	Brasil	3:0	Uruguay	México	2:1	Chile
42	2001	XL	12	Colombia	Colombia	1:0	México	Honduras	2:2(5:4 pen.)	Uruguay
43	2004	XLI	12	Perú	Brasil	2:2(4:2 pen.)	Argentina	Uruguay	2:1	Colombia
44	2007	XLII	12	Venezuela	Brasil	3:0	Argentina	México	3:1	Uruguay
45	2011	XLIII	12	Argentina	Uruguay	3:0	Paraguay	Perú	4:1	Venezuela
46	2015	XLIV	12	Chile	Chile	0:0 (pró.)[n 4]​[n 12]​(4:1 pen.)	Argentina	Perú	2:0	Paraguay
47	2016	XLV	16	Estados Unidos	Chile	0:0 (pró.)[n 4]​[n 12]​(4:2 pen.)	Argentina	Colombia	1:0	Estados Unidos
48	2019	XLVI	12	Brasil	Brasil	3:1	Perú	Argentina	2:1	Chile
49	2021	XLVII	10	Brasil[n 16]​	Argentina	1:0	Brasil	Colombia	3:2	Perú

Ahora si, vamos a realizar algunas consultas¶

¿En qué torneos salimos campeones?¶

In [20]:

nuestras_copas = ediciones[ediciones["Campeón"] == "Argentina"]

nuestras_copas = ediciones[ediciones["Campeón"] == "Argentina"]

In [21]:

len(nuestras_copas)

len(nuestras_copas)

Out[21]:

9

In [22]:

nuestras_copas[["Año"]]

nuestras_copas[["Año"]]

Out[22]:

	Año
6	1921
10	1925
12	1927
13	1929
15	1937
17	1941
19	1945
20	1946
21	1947

Mmm ... Esto NO es correcto esto¶

In [23]:

ediciones["Campeón"].unique()

ediciones["Campeón"].unique()

Out[23]:

array(['Uruguay', 'Brasil', 'Argentina', 'Perú', 'Paraguay', 'Argentina ',
       'Uruguay ', 'Bolivia', 'Colombia', 'Chile'], dtype=object)

In [24]:

nuestras_copas = ediciones[(ediciones["Campeón"] == "Argentina") | (ediciones["Campeón"] == "Argentina ")]

nuestras_copas = ediciones[(ediciones["Campeón"] == "Argentina") | (ediciones["Campeón"] == "Argentina ")]

In [25]:

len(nuestras_copas)

len(nuestras_copas)

Out[25]:

15

Los 5 países que más veces salieron campeones¶

In [26]:

ediciones.groupby("Campeón").size().sort_values(ascending=False).head(5)

ediciones.groupby("Campeón").size().sort_values(ascending=False).head(5)

Out[26]:

Campeón
Argentina     9
Brasil        9
Uruguay       9
Argentina     6
Uruguay       6
dtype: int64

¿Algo raro?¶

Observemos que hay países que aparecen varias veces: ¿por qué?

In [27]:

ediciones["Campeón"].unique()

ediciones["Campeón"].unique()

Out[27]:

array(['Uruguay', 'Brasil', 'Argentina', 'Perú', 'Paraguay', 'Argentina ',
       'Uruguay ', 'Bolivia', 'Colombia', 'Chile'], dtype=object)

Si obervamos los datos, "Argentina" y "Uruguay" aparecen dos veces.

Vamos a resolver esto:¶

In [28]:

paises = {'Argentina ': 'Argentina',
          'Uruguay ': 'Uruguay',}

ediciones = ediciones.copy()
ediciones['Campeón'] = ediciones['Campeón'].replace(paises)

paises = {'Argentina ': 'Argentina', 'Uruguay ': 'Uruguay',} ediciones = ediciones.copy() ediciones['Campeón'] = ediciones['Campeón'].replace(paises)

In [29]:

ediciones["Campeón"].unique()

ediciones["Campeón"].unique()

Out[29]:

array(['Uruguay', 'Brasil', 'Argentina', 'Perú', 'Paraguay', 'Bolivia',
       'Colombia', 'Chile'], dtype=object)

Ahora volvemos a calcular:¶

In [30]:

ediciones.groupby("Campeón").size().sort_values(ascending=False).head()

ediciones.groupby("Campeón").size().sort_values(ascending=False).head()

Out[30]:

Campeón
Argentina    15
Uruguay      15
Brasil        9
Chile         2
Paraguay      2
dtype: int64

Países organizadores que salieron campeones¶

In [31]:

campeones_organizadores = ediciones[ediciones["Sede"] == ediciones["Campeón"]]

campeones_organizadores = ediciones[ediciones["Sede"] == ediciones["Campeón"]]

In [32]:

campeones_organizadores[["Año", "Sede"]]

campeones_organizadores[["Año", "Sede"]]

Out[32]:

	Año	Sede
3	1917	Uruguay
4	1919	Brasil
6	1921	Argentina
7	1922	Brasil
8	1923	Uruguay
10	1925	Argentina
13	1929	Argentina
15	1937	Argentina
16	1939	Perú
18	1942	Uruguay
20	1946	Argentina
22	1949	Brasil
25	1956	Uruguay
27	1959	Argentina
29	1963	Bolivia
30	1967	Uruguay
36	1989	Brasil
39	1995	Uruguay
42	2001	Colombia
46	2015	Chile
48	2019	Brasil

Ahora vamos a trabajar con la tabla de goleadores¶

• Deberíamos ver cuál es el dataframe que la representa en la lista result.

In [33]:

goleadores_x_edicion = result[12]
goleadores_x_edicion

goleadores_x_edicion = result[12] goleadores_x_edicion

Out[33]:

	Jugador	Selección	Edición	Goles
0	Isabelino Gradín	Uruguay	1916	3
1	Ángel Romano	Uruguay	1917	4
2	Arthur FriedenreichNeco	Brasil Brasil	1919	4
3	José PérezÁngel Romano	Uruguay Uruguay	1920	3
4	Julio Libonatti	Argentina	1921	3
5	Juan Francia	Argentina	1922	4
6	Pedro PetroneVicente Aguirre	Uruguay Argentina	1923	3
7	Pedro Petrone	Uruguay	1924	4
8	Manuel Seoane	Argentina	1925	6
9	David Arellano	Chile	1926	7
10	Alfredo CarricaberrySegundo LunaRoberto Figuer...	Argentina Argentina Uruguay Uruguay Uruguay	1927	3
11	Aurelio González	Paraguay	1929	5
12	Herminio Masantonio	Argentina	1935	4
13	Raúl Toro	Chile	1937	7
14	Lolo Fernández	Perú	1939	7
15	Juan Andrés Marvezzi	Argentina	1941	5
16	Herminio MasantonioJosé Manuel Moreno	Argentina Argentina	1942	7
17	Norberto MéndezHeleno de Freitas	Argentina Brasil	1945	6
18	José María Medina	Uruguay	1946	7
19	Nicolás Falero	Uruguay	1947	8
20	Jair	Brasil	1949	9
21	Francisco Molina	Chile	1953	7
22	Rodolfo Micheli	Argentina	1955	8
23	Enrique Hormazábal	Chile	1956	4
24	Humberto MaschioJavier Ambrois	Argentina Uruguay	1957	9
25	Pelé	Brasil	1959-I	8
26	José Sanfilippo	Argentina	1959-II	6
27	Carlos Alberto Raffo	Ecuador	1963	6
28	Luis Artime	Argentina	1967	5
29	José Ernesto DíazLeopoldo Jacinto Luque	Colombia Argentina	1975	4
30	Eugenio MorelJorge Peredo	Paraguay Chile	1979	4
31	Carlos Alberto AguileraRoberto DinamiteJorge B...	Uruguay Brasil Argentina Perú	1983	3
32	Arnoldo Iguarán	Colombia	1987	4
33	Bebeto	Brasil	1989	6
34	Gabriel Omar Batistuta	Argentina	1991	6
35	José Luis Dolgetta	Venezuela	1993	4
36	Gabriel Omar BatistutaLuis García	Argentina México	1995	4
37	Luis Hernández	México	1997	6
38	RivaldoRonaldo	Brasil Brasil	1999	5
39	Víctor Hugo Aristizábal	Colombia	2001	6
40	Adriano	Brasil	2004	7
41	Robinho	Brasil	2007	6
42	Paolo Guerrero	Perú	2011	5
43	Eduardo VargasPaolo Guerrero	Chile Perú	2015	4
44	Eduardo Vargas	Chile	2016	6
45	EvertonPaolo Guerrero	Brasil Perú	2019	3
46	Lionel MessiLuis Díaz	Argentina Colombia	2021	4

Queremos saber cuándo el goleador del torneo pertenece a la selección campeona¶

¿Podemos obtener este dato trabajando con la tabla de goleadores?

In [34]:

goleadores_x_edicion

goleadores_x_edicion

Out[34]:

	Jugador	Selección	Edición	Goles
0	Isabelino Gradín	Uruguay	1916	3
1	Ángel Romano	Uruguay	1917	4
2	Arthur FriedenreichNeco	Brasil Brasil	1919	4
3	José PérezÁngel Romano	Uruguay Uruguay	1920	3
4	Julio Libonatti	Argentina	1921	3
5	Juan Francia	Argentina	1922	4
6	Pedro PetroneVicente Aguirre	Uruguay Argentina	1923	3
7	Pedro Petrone	Uruguay	1924	4
8	Manuel Seoane	Argentina	1925	6
9	David Arellano	Chile	1926	7
10	Alfredo CarricaberrySegundo LunaRoberto Figuer...	Argentina Argentina Uruguay Uruguay Uruguay	1927	3
11	Aurelio González	Paraguay	1929	5
12	Herminio Masantonio	Argentina	1935	4
13	Raúl Toro	Chile	1937	7
14	Lolo Fernández	Perú	1939	7
15	Juan Andrés Marvezzi	Argentina	1941	5
16	Herminio MasantonioJosé Manuel Moreno	Argentina Argentina	1942	7
17	Norberto MéndezHeleno de Freitas	Argentina Brasil	1945	6
18	José María Medina	Uruguay	1946	7
19	Nicolás Falero	Uruguay	1947	8
20	Jair	Brasil	1949	9
21	Francisco Molina	Chile	1953	7
22	Rodolfo Micheli	Argentina	1955	8
23	Enrique Hormazábal	Chile	1956	4
24	Humberto MaschioJavier Ambrois	Argentina Uruguay	1957	9
25	Pelé	Brasil	1959-I	8
26	José Sanfilippo	Argentina	1959-II	6
27	Carlos Alberto Raffo	Ecuador	1963	6
28	Luis Artime	Argentina	1967	5
29	José Ernesto DíazLeopoldo Jacinto Luque	Colombia Argentina	1975	4
30	Eugenio MorelJorge Peredo	Paraguay Chile	1979	4
31	Carlos Alberto AguileraRoberto DinamiteJorge B...	Uruguay Brasil Argentina Perú	1983	3
32	Arnoldo Iguarán	Colombia	1987	4
33	Bebeto	Brasil	1989	6
34	Gabriel Omar Batistuta	Argentina	1991	6
35	José Luis Dolgetta	Venezuela	1993	4
36	Gabriel Omar BatistutaLuis García	Argentina México	1995	4
37	Luis Hernández	México	1997	6
38	RivaldoRonaldo	Brasil Brasil	1999	5
39	Víctor Hugo Aristizábal	Colombia	2001	6
40	Adriano	Brasil	2004	7
41	Robinho	Brasil	2007	6
42	Paolo Guerrero	Perú	2011	5
43	Eduardo VargasPaolo Guerrero	Chile Perú	2015	4
44	Eduardo Vargas	Chile	2016	6
45	EvertonPaolo Guerrero	Brasil Perú	2019	3
46	Lionel MessiLuis Díaz	Argentina Colombia	2021	4

En este dataframe sólo tenemos el año del torneo, no el país que fue sede. Para esto, podemos agregar la sede (el país) en la tabla de goleadores.

Esto implica unir dos dataframes usando la operación merge.

In [35]:

ediciones_recortada = ediciones[["Año", "Campeón"]]
ediciones_recortada

ediciones_recortada = ediciones[["Año", "Campeón"]] ediciones_recortada

Out[35]:

	Año	Campeón
2	1916	Uruguay
3	1917	Uruguay
4	1919	Brasil
5	1920	Uruguay
6	1921	Argentina
7	1922	Brasil
8	1923	Uruguay
9	1924	Uruguay
10	1925	Argentina
11	1926	Uruguay
12	1927	Argentina
13	1929	Argentina
14	1935	Uruguay
15	1937	Argentina
16	1939	Perú
17	1941	Argentina
18	1942	Uruguay
19	1945	Argentina
20	1946	Argentina
21	1947	Argentina
22	1949	Brasil
23	1953	Paraguay
24	1955	Argentina
25	1956	Uruguay
26	1957	Argentina
27	1959	Argentina
28	1959	Uruguay
29	1963	Bolivia
30	1967	Uruguay
32	1975	Perú
33	1979	Paraguay
34	1983	Uruguay
35	1987	Uruguay
36	1989	Brasil
37	1991	Argentina
38	1993	Argentina
39	1995	Uruguay
40	1997	Brasil
41	1999	Brasil
42	2001	Colombia
43	2004	Brasil
44	2007	Brasil
45	2011	Uruguay
46	2015	Chile
47	2016	Chile
48	2019	Brasil
49	2021	Argentina

In [36]:

ediciones_recortada.columns = ["Edición", "Campeón"]

ediciones_recortada.columns = ["Edición", "Campeón"]

In [ ]:

ediciones_recortada.columns

ediciones_recortada.columns

¿Por qué creen que cambiamos el nombre de la columna?

In [37]:

goleadores_completa = pd.merge(goleadores_x_edicion, ediciones_recortada, on='Edición')
goleadores_completa

goleadores_completa = pd.merge(goleadores_x_edicion, ediciones_recortada, on='Edición') goleadores_completa

Out[37]:

	Jugador	Selección	Edición	Goles	Campeón
0	Isabelino Gradín	Uruguay	1916	3	Uruguay
1	Ángel Romano	Uruguay	1917	4	Uruguay
2	Arthur FriedenreichNeco	Brasil Brasil	1919	4	Brasil
3	José PérezÁngel Romano	Uruguay Uruguay	1920	3	Uruguay
4	Julio Libonatti	Argentina	1921	3	Argentina
5	Juan Francia	Argentina	1922	4	Brasil
6	Pedro PetroneVicente Aguirre	Uruguay Argentina	1923	3	Uruguay
7	Pedro Petrone	Uruguay	1924	4	Uruguay
8	Manuel Seoane	Argentina	1925	6	Argentina
9	David Arellano	Chile	1926	7	Uruguay
10	Alfredo CarricaberrySegundo LunaRoberto Figuer...	Argentina Argentina Uruguay Uruguay Uruguay	1927	3	Argentina
11	Aurelio González	Paraguay	1929	5	Argentina
12	Herminio Masantonio	Argentina	1935	4	Uruguay
13	Raúl Toro	Chile	1937	7	Argentina
14	Lolo Fernández	Perú	1939	7	Perú
15	Juan Andrés Marvezzi	Argentina	1941	5	Argentina
16	Herminio MasantonioJosé Manuel Moreno	Argentina Argentina	1942	7	Uruguay
17	Norberto MéndezHeleno de Freitas	Argentina Brasil	1945	6	Argentina
18	José María Medina	Uruguay	1946	7	Argentina
19	Nicolás Falero	Uruguay	1947	8	Argentina
20	Jair	Brasil	1949	9	Brasil
21	Francisco Molina	Chile	1953	7	Paraguay
22	Rodolfo Micheli	Argentina	1955	8	Argentina
23	Enrique Hormazábal	Chile	1956	4	Uruguay
24	Humberto MaschioJavier Ambrois	Argentina Uruguay	1957	9	Argentina
25	Carlos Alberto Raffo	Ecuador	1963	6	Bolivia
26	Luis Artime	Argentina	1967	5	Uruguay
27	José Ernesto DíazLeopoldo Jacinto Luque	Colombia Argentina	1975	4	Perú
28	Eugenio MorelJorge Peredo	Paraguay Chile	1979	4	Paraguay
29	Carlos Alberto AguileraRoberto DinamiteJorge B...	Uruguay Brasil Argentina Perú	1983	3	Uruguay
30	Arnoldo Iguarán	Colombia	1987	4	Uruguay
31	Bebeto	Brasil	1989	6	Brasil
32	Gabriel Omar Batistuta	Argentina	1991	6	Argentina
33	José Luis Dolgetta	Venezuela	1993	4	Argentina
34	Gabriel Omar BatistutaLuis García	Argentina México	1995	4	Uruguay
35	Luis Hernández	México	1997	6	Brasil
36	RivaldoRonaldo	Brasil Brasil	1999	5	Brasil
37	Víctor Hugo Aristizábal	Colombia	2001	6	Colombia
38	Adriano	Brasil	2004	7	Brasil
39	Robinho	Brasil	2007	6	Brasil
40	Paolo Guerrero	Perú	2011	5	Uruguay
41	Eduardo VargasPaolo Guerrero	Chile Perú	2015	4	Chile
42	Eduardo Vargas	Chile	2016	6	Chile
43	EvertonPaolo Guerrero	Brasil Perú	2019	3	Brasil
44	Lionel MessiLuis Díaz	Argentina Colombia	2021	4	Argentina

Y ahora si, obtenemos el dato pedido: goleadores del torneo pertenecientes a la selección sede.

¿La siguiente consulta resuelve nuestro problema?

In [38]:

goleadores_completa[goleadores_completa["Campeón"] == goleadores_completa["Selección"]]

goleadores_completa[goleadores_completa["Campeón"] == goleadores_completa["Selección"]]

Out[38]:

	Jugador	Selección	Edición	Goles	Campeón
0	Isabelino Gradín	Uruguay	1916	3	Uruguay
1	Ángel Romano	Uruguay	1917	4	Uruguay
4	Julio Libonatti	Argentina	1921	3	Argentina
7	Pedro Petrone	Uruguay	1924	4	Uruguay
8	Manuel Seoane	Argentina	1925	6	Argentina
14	Lolo Fernández	Perú	1939	7	Perú
15	Juan Andrés Marvezzi	Argentina	1941	5	Argentina
20	Jair	Brasil	1949	9	Brasil
22	Rodolfo Micheli	Argentina	1955	8	Argentina
31	Bebeto	Brasil	1989	6	Brasil
32	Gabriel Omar Batistuta	Argentina	1991	6	Argentina
37	Víctor Hugo Aristizábal	Colombia	2001	6	Colombia
38	Adriano	Brasil	2004	7	Brasil
39	Robinho	Brasil	2007	6	Brasil
42	Eduardo Vargas	Chile	2016	6	Chile

No es correcta, ya que hay ediciones donde hay más de un goleador de distintas selecciones.

Una solución podría ser:

In [39]:

goleadores_completa[goleadores_completa.apply(lambda x: x["Campeón"] in x["Selección"], axis="columns")]

goleadores_completa[goleadores_completa.apply(lambda x: x["Campeón"] in x["Selección"], axis="columns")]

Out[39]:

	Jugador	Selección	Edición	Goles	Campeón
0	Isabelino Gradín	Uruguay	1916	3	Uruguay
1	Ángel Romano	Uruguay	1917	4	Uruguay
2	Arthur FriedenreichNeco	Brasil Brasil	1919	4	Brasil
3	José PérezÁngel Romano	Uruguay Uruguay	1920	3	Uruguay
4	Julio Libonatti	Argentina	1921	3	Argentina
6	Pedro PetroneVicente Aguirre	Uruguay Argentina	1923	3	Uruguay
7	Pedro Petrone	Uruguay	1924	4	Uruguay
8	Manuel Seoane	Argentina	1925	6	Argentina
10	Alfredo CarricaberrySegundo LunaRoberto Figuer...	Argentina Argentina Uruguay Uruguay Uruguay	1927	3	Argentina
14	Lolo Fernández	Perú	1939	7	Perú
15	Juan Andrés Marvezzi	Argentina	1941	5	Argentina
17	Norberto MéndezHeleno de Freitas	Argentina Brasil	1945	6	Argentina
20	Jair	Brasil	1949	9	Brasil
22	Rodolfo Micheli	Argentina	1955	8	Argentina
24	Humberto MaschioJavier Ambrois	Argentina Uruguay	1957	9	Argentina
28	Eugenio MorelJorge Peredo	Paraguay Chile	1979	4	Paraguay
29	Carlos Alberto AguileraRoberto DinamiteJorge B...	Uruguay Brasil Argentina Perú	1983	3	Uruguay
31	Bebeto	Brasil	1989	6	Brasil
32	Gabriel Omar Batistuta	Argentina	1991	6	Argentina
36	RivaldoRonaldo	Brasil Brasil	1999	5	Brasil
37	Víctor Hugo Aristizábal	Colombia	2001	6	Colombia
38	Adriano	Brasil	2004	7	Brasil
39	Robinho	Brasil	2007	6	Brasil
41	Eduardo VargasPaolo Guerrero	Chile Perú	2015	4	Chile
42	Eduardo Vargas	Chile	2016	6	Chile
43	EvertonPaolo Guerrero	Brasil Perú	2019	3	Brasil
44	Lionel MessiLuis Díaz	Argentina Colombia	2021	4	Argentina

Seguimos con la Copa América¶

Veamos la tabla histórica¶

In [3]:

tabla_h = result[4]
tabla_h

tabla_h = result[4] tabla_h

Out[3]:

	#	Equipo	Títulos	Part.	Puntos	PJ	PG	PE	PP	GF	GC	Dif.
0	1	Argentina	15	43	423	202	127	42	33	474	182	+292
1	2	Uruguay	15	45	374	206	112	38	56	410	222	+188
2	3	Brasil	9	37	362	191	108	38	45	430	204	+226
3	4	Paraguay	2	38	236	177	64	44	69	264	303	–39
4	5	Chile	2	40	234	188	67	33	88	291	316	–25
5	6	Perú	2	33	213	161	58	39	64	230	255	–25
6	7	Colombia	1	23	172	124	49	25	50	142	191	–49
7	8	Bolivia	1	28	86	119	20	26	73	108	298	–190
8	9	Ecuador	0	29	74	126	16	26	84	134	327	–193
9	10	México	0	10	70	48	19	13	16	66	62	+4
10	11	Venezuela	0	19	41	70	8	17	45	52	180	–128
11	12	Costa Rica	0	5	18	17	5	3	9	17	31	–14
12	13	Estados Unidos	0	4	17	18	5	2	11	18	29	–11
13	14	Honduras	0	1	10	6	3	1	2	7	5	+2
14	15	Panamá	0	1	3	3	1	0	2	4	10	–6
15	16	Japón	0	2	3	6	0	3	3	6	15	–9
16	17	Catar	0	1	1	3	0	1	2	2	5	–3
17	18	Jamaica	0	2	0	6	0	0	6	0	9	–9
18	19	Haití	0	1	0	3	0	0	3	1	12	–11

In [4]:

tabla_h.dtypes

tabla_h.dtypes

Out[4]:

#           int64
Equipo     object
Títulos     int64
Part.       int64
Puntos      int64
PJ          int64
PG          int64
PE          int64
PP          int64
GF          int64
GC          int64
Dif.       object
dtype: object

Vemos que pandas reconoció las columnas cuyos valores son números y los convirtió automáticamente. Por lo tanto, podríamos sumar sus valores sin necesidad de convertir.

Por ejemplo: si queremos saber cuántos torneos hubo:

In [5]:

tabla_h["Títulos"].sum()

tabla_h["Títulos"].sum()

Out[5]:

47

O la cantidad de goles en todos los torneos:

In [6]:

tabla_h.sum()

tabla_h.sum()

Out[6]:

#                                                        190
Equipo     ArgentinaUruguayBrasilParaguayChilePerúColombi...
Títulos                                                   47
Part.                                                    362
Puntos                                                  2337
PJ                                                      1674
PG                                                       662
PE                                                       351
PP                                                       661
GF                                                      2656
GC                                                      2656
Dif.       +292+188+226–39–25–25–49–190–193+4–128–14–11+2...
dtype: object

¿Qué pasó con la columna Dif.?

¿Cuáles son los países con más diferencia de goles a favor - goles en contra?¶

In [45]:

tabla_h.sort_values("Dif.")

tabla_h.sort_values("Dif.")

Out[45]:

	#	Equipo	Títulos	Part.	Puntos	PJ	PG	PE	PP	GF	GC	Dif.
1	2	Uruguay	15	45	374	206	112	38	56	410	222	+188
13	14	Honduras	0	1	10	6	3	1	2	7	5	+2
2	3	Brasil	9	37	362	191	108	38	45	430	204	+226
0	1	Argentina	15	43	423	202	127	42	33	474	182	+292
9	10	México	0	10	70	48	19	13	16	66	62	+4
12	13	Estados Unidos	0	4	17	18	5	2	11	18	29	–11
18	19	Haití	0	1	0	3	0	0	3	1	12	–11
10	11	Venezuela	0	19	41	70	8	17	45	52	180	–128
11	12	Costa Rica	0	5	18	17	5	3	9	17	31	–14
7	8	Bolivia	1	28	86	119	20	26	73	108	298	–190
8	9	Ecuador	0	29	74	126	16	26	84	134	327	–193
5	6	Perú	2	33	213	161	58	39	64	230	255	–25
4	5	Chile	2	40	234	188	67	33	88	291	316	–25
16	17	Catar	0	1	1	3	0	1	2	2	5	–3
3	4	Paraguay	2	38	236	177	64	44	69	264	303	–39
6	7	Colombia	1	23	172	124	49	25	50	142	191	–49
14	15	Panamá	0	1	3	3	1	0	2	4	10	–6
17	18	Jamaica	0	2	0	6	0	0	6	0	9	–9
15	16	Japón	0	2	3	6	0	3	3	6	15	–9

Una posible solución ...¶

In [8]:

tabla_h["Dif_en_num"] = tabla_h["Dif."].apply(lambda x: int(x[1:]) if x[0]=="+" else (-1)*int(x[1:]))

tabla_h["Dif_en_num"] = tabla_h["Dif."].apply(lambda x: int(x[1:]) if x[0]=="+" else (-1)*int(x[1:]))

En la clase vimos que había un problema en la conversión a int. Esto no tiene que ver con Python ni pandas sino con una codificación del signo "-" en la Wikipedia. Acá hay una solución alternativa (¡gracias Daniel!).

In [13]:

tabla_h["Dif_correcta"] = tabla_h["Dif."].apply(lambda x: x.replace('–','-'))
tabla_h["Dif_correcta"] = tabla_h["Dif_correcta"].apply(lambda x: int(x))
tabla_h

tabla_h["Dif_correcta"] = tabla_h["Dif."].apply(lambda x: x.replace('–','-')) tabla_h["Dif_correcta"] = tabla_h["Dif_correcta"].apply(lambda x: int(x)) tabla_h

Out[13]:

	#	Equipo	Títulos	Part.	Puntos	PJ	PG	PE	PP	GF	GC	Dif.	Dif_en_num	Dif_correcta
0	1	Argentina	15	43	423	202	127	42	33	474	182	+292	292	292
1	2	Uruguay	15	45	374	206	112	38	56	410	222	+188	188	188
2	3	Brasil	9	37	362	191	108	38	45	430	204	+226	226	226
3	4	Paraguay	2	38	236	177	64	44	69	264	303	–39	-39	-39
4	5	Chile	2	40	234	188	67	33	88	291	316	–25	-25	-25
5	6	Perú	2	33	213	161	58	39	64	230	255	–25	-25	-25
6	7	Colombia	1	23	172	124	49	25	50	142	191	–49	-49	-49
7	8	Bolivia	1	28	86	119	20	26	73	108	298	–190	-190	-190
8	9	Ecuador	0	29	74	126	16	26	84	134	327	–193	-193	-193
9	10	México	0	10	70	48	19	13	16	66	62	+4	4	4
10	11	Venezuela	0	19	41	70	8	17	45	52	180	–128	-128	-128
11	12	Costa Rica	0	5	18	17	5	3	9	17	31	–14	-14	-14
12	13	Estados Unidos	0	4	17	18	5	2	11	18	29	–11	-11	-11
13	14	Honduras	0	1	10	6	3	1	2	7	5	+2	2	2
14	15	Panamá	0	1	3	3	1	0	2	4	10	–6	-6	-6
15	16	Japón	0	2	3	6	0	3	3	6	15	–9	-9	-9
16	17	Catar	0	1	1	3	0	1	2	2	5	–3	-3	-3
17	18	Jamaica	0	2	0	6	0	0	6	0	9	–9	-9	-9
18	19	Haití	0	1	0	3	0	0	3	1	12	–11	-11	-11

In [10]:

tabla_h["Dif_en_num"]

tabla_h["Dif_en_num"]

Out[10]:

0     292
1     188
2     226
3     -39
4     -25
5     -25
6     -49
7    -190
8    -193
9       4
10   -128
11    -14
12    -11
13      2
14     -6
15     -9
16     -3
17     -9
18    -11
Name: Dif_en_num, dtype: int64

In [52]:

tabla_h.sort_values("Dif_en_num", ascending=False)

tabla_h.sort_values("Dif_en_num", ascending=False)

Out[52]:

	#	Equipo	Títulos	Part.	Puntos	PJ	PG	PE	PP	GF	GC	Dif.	Dif_en_num
0	1	Argentina	15	43	423	202	127	42	33	474	182	+292	292
2	3	Brasil	9	37	362	191	108	38	45	430	204	+226	226
1	2	Uruguay	15	45	374	206	112	38	56	410	222	+188	188
9	10	México	0	10	70	48	19	13	16	66	62	+4	4
13	14	Honduras	0	1	10	6	3	1	2	7	5	+2	2
16	17	Catar	0	1	1	3	0	1	2	2	5	–3	-3
14	15	Panamá	0	1	3	3	1	0	2	4	10	–6	-6
15	16	Japón	0	2	3	6	0	3	3	6	15	–9	-9
17	18	Jamaica	0	2	0	6	0	0	6	0	9	–9	-9
12	13	Estados Unidos	0	4	17	18	5	2	11	18	29	–11	-11
18	19	Haití	0	1	0	3	0	0	3	1	12	–11	-11
11	12	Costa Rica	0	5	18	17	5	3	9	17	31	–14	-14
4	5	Chile	2	40	234	188	67	33	88	291	316	–25	-25
5	6	Perú	2	33	213	161	58	39	64	230	255	–25	-25
3	4	Paraguay	2	38	236	177	64	44	69	264	303	–39	-39
6	7	Colombia	1	23	172	124	49	25	50	142	191	–49	-49
10	11	Venezuela	0	19	41	70	8	17	45	52	180	–128	-128
7	8	Bolivia	1	28	86	119	20	26	73	108	298	–190	-190
8	9	Ecuador	0	29	74	126	16	26	84	134	327	–193	-193

Un repaso de GeoPandas¶

• Esta librería agrega soporte para manipular datos geoespaciales.
• Las dos estructuras principales extienden dos clases de pandas:
  • geopandas.GeoDataFrame, subclase de pandas.DataFrame,
  • geopandas.GeoSeries, subclase de pandas.Series,

Estas clases agregan los datos específicos a este tipo de datos, referidos a las geometrías: puntos, polígonos, etc.

• Más info en la documentación oficial

Repasamos el ejemplo ...¶

In [53]:

import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt
import os.path
import os

import pandas as pd import geopandas as gpd import matplotlib.pyplot as plt import os.path import os

In [54]:

dir_datasets = "rampas"
comunas_caba_shp = "comunas.shp"
rampas_relevamiento_2016 = "rampas-de-accesibilidad-relevamiento-2016.csv"

path_datasets = os.path.join(os.getcwd(), dir_datasets)

dir_datasets = "rampas" comunas_caba_shp = "comunas.shp" rampas_relevamiento_2016 = "rampas-de-accesibilidad-relevamiento-2016.csv" path_datasets = os.path.join(os.getcwd(), dir_datasets)

El gráfico ...¶

In [55]:

comunas = gpd.read_file(os.path.join(path_datasets, comunas_caba_shp))
comunas['coords'] = comunas['geometry'].apply(lambda x: x.representative_point().coords[:])
comunas['coords'] = [coords[0] for coords in comunas['coords']]
comunas['label'] = comunas.apply(lambda x: 'Comuna ' + str(int(x['COMUNAS'])), axis=1)

comunas = gpd.read_file(os.path.join(path_datasets, comunas_caba_shp)) comunas['coords'] = comunas['geometry'].apply(lambda x: x.representative_point().coords[:]) comunas['coords'] = [coords[0] for coords in comunas['coords']] comunas['label'] = comunas.apply(lambda x: 'Comuna ' + str(int(x['COMUNAS'])), axis=1)

In [56]:

fig, ax = plt.subplots(figsize = (10,10))
comunas.plot(ax=ax, color='beige', edgecolor='black')
for idx, row in comunas.iterrows():   
    plt.annotate(text=row['label'], xy=row['coords'], horizontalalignment='center', color='blue')

fig, ax = plt.subplots(figsize = (10,10)) comunas.plot(ax=ax, color='beige', edgecolor='black') for idx, row in comunas.iterrows(): plt.annotate(text=row['label'], xy=row['coords'], horizontalalignment='center', color='blue')

Agregamos las rampas¶

In [57]:

rampas_2016 = pd.read_csv(os.path.join(path_datasets, rampas_relevamiento_2016), delimiter=';')

rampas_2016 = pd.read_csv(os.path.join(path_datasets, rampas_relevamiento_2016), delimiter=';')

In [58]:

from shapely.geometry import Point
geometry = [Point(xy) for xy in zip(rampas_2016["X"], rampas_2016["Y"])]

from shapely.geometry import Point geometry = [Point(xy) for xy in zip(rampas_2016["X"], rampas_2016["Y"])]

In [59]:

rampas_2016_gdf = gpd.GeoDataFrame(rampas_2016,
                                  crs='epsg:4326',
                                  geometry=geometry)

rampas_2016_gdf = gpd.GeoDataFrame(rampas_2016, crs='epsg:4326', geometry=geometry)

In [60]:

rampas_2016_gdf

rampas_2016_gdf

Out[60]:

	X	Y	ID	MES	SEMANA	ZONA	CALLE	ALTURA	ESTADO	DOM_NORMA	DOM_GEO	geometry
0	-58.401517	-34.613463	1	AGOSTO	1 AL 6	2 Y 3	ALBERTI	315.0	FINALIZADO	ALBERTI 315	315 ALBERTI	POINT (-58.40152 -34.61346)
1	-58.403174	-34.598833	2	AGOSTO	1 AL 6	2 Y 3	CORDOBA AV	2554.0	FINALIZADO	CORDOBA AV. 2554	2554 CORDOBA AV.	POINT (-58.40317 -34.59883)
2	-58.394427	-34.618371	3	AGOSTO	1 AL 6	2 Y 3	INDEPENDENCIA AV	1998.0	FINALIZADO	INDEPENDENCIA AV. 1998	1998 INDEPENDENCIA AV.	POINT (-58.39443 -34.61837)
3	-58.512667	-34.609169	4	AGOSTO	1 AL 6	4	SIMBRON Y MARCOS PAZ	NaN	FINALIZADO	SIMBRON Y PAZ, MARCOS	SIMBRON & PAZ, MARCOS	POINT (-58.51267 -34.60917)
4	-58.510953	-34.609638	5	AGOSTO	1 AL 6	4	TINOGASTA Y ZURICH	NaN	FINALIZADO	TINOGASTA Y ZURICH	TINOGASTA & ZURICH	POINT (-58.51095 -34.60964)
...	...	...	...	...	...	...	...	...	...	...	...	...
2950	-58.482653	-34.581977	2997	NOVIEMBRE	21 AL 26	15	BALLIVIAN	2896.0	EN EJECUCIÓN	BALLIVIAN 2896	2896 BALLIVIAN	POINT (-58.48265 -34.58198)
2951	-58.481805	-34.581305	2998	NOVIEMBRE	21 AL 26	15	BALLIVIAN	2799.0	EN EJECUCIÓN	BALLIVIAN 2799	2799 BALLIVIAN	POINT (-58.48180 -34.58131)
2952	-58.482766	-34.582043	2999	NOVIEMBRE	21 AL 26	15	BALLIVIAN	2902.0	EN EJECUCIÓN	BALLIVIAN 2902	2902 BALLIVIAN	POINT (-58.48277 -34.58204)
2953	-58.482867	-34.581925	3000	NOVIEMBRE	21 AL 26	15	BALLIVIAN	2901.0	EN EJECUCIÓN	BALLIVIAN 2901	2901 BALLIVIAN	POINT (-58.48287 -34.58193)
2954	-58.482791	-34.581881	3001	NOVIEMBRE	21 AL 26	15	BALLIVIAN	2899.0	EN EJECUCIÓN	BALLIVIAN 2899	2899 BALLIVIAN	POINT (-58.48279 -34.58188)

2955 rows × 12 columns

In [61]:

fig, ax = plt.subplots(figsize = (15,15))
comunas.plot(ax = ax, color='beige', edgecolor='black')
for idx, row in comunas.iterrows():   
    plt.annotate(text=row['label'], xy=row['coords'], horizontalalignment='center', color='black')

rampas_2016_gdf[rampas_2016_gdf['ESTADO']=='FINALIZADO'].plot(ax=ax, markersize=30, color='blue', marker='o', label='Finalizado')
rampas_2016_gdf[rampas_2016_gdf['ESTADO']=='EN EJECUCIÓN'].plot(ax=ax, markersize=30, color='red', marker='^', label='En Ejecución')
plt.legend(prop={'size': 15})

fig, ax = plt.subplots(figsize = (15,15)) comunas.plot(ax = ax, color='beige', edgecolor='black') for idx, row in comunas.iterrows(): plt.annotate(text=row['label'], xy=row['coords'], horizontalalignment='center', color='black') rampas_2016_gdf[rampas_2016_gdf['ESTADO']=='FINALIZADO'].plot(ax=ax, markersize=30, color='blue', marker='o', label='Finalizado') rampas_2016_gdf[rampas_2016_gdf['ESTADO']=='EN EJECUCIÓN'].plot(ax=ax, markersize=30, color='red', marker='^', label='En Ejecución') plt.legend(prop={'size': 15})

Out[61]:

<matplotlib.legend.Legend at 0x7fb57a3bc3a0>

Las comunas en un mapa¶

Es posible graficar sobre un mapa interactivo.

Más info en:

• https://leafletjs.com/
• https://www.openstreetmap.org/

In [62]:

comunas.explore(style_kwds=dict(color="blue"), tooltip="BARRIOS")

comunas.explore(style_kwds=dict(color="blue"), tooltip="BARRIOS")

Out[62]:

Make this Notebook Trusted to load map: File -> Trust Notebook

Para la próxima ...¶

Investigar para qué sirve la sentencia assert¶