# Cómo utilizar Pandas DataFrame Index Con la indexación de DataFrames de la [Biblioteca Python Pandas](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/python-pandas/) podrás acceder de una forma eficiente y directa a datos específicos dentro de un DataFrame. Con la ayuda de un índice de DataFrames de Pandas se pueden seleccionar filas y columnas específicas dentro del DataFrame, lo que puede resultar muy útil para el análisis de datos. ## ¿En qué consiste la indexación? Cuando se indexa un DataFrame de Pandas, el objetivo es **facilitar la selección de determinados elementos del DataFrame**. Esto se hace seleccionando filas y columnas según sus posiciones o etiquetas. Los índices sirven para encontrar y manipular datos de una forma más rápida, ya que ofrecen **una especie de “sistema de direcciones” para la estructura de datos**. ## Sintaxis de la propiedad `DataFrame.index` de Pandas Puedes utilizar la propiedad `index` para ver las etiquetas de un índice de un DataFrame. La sintaxis es la siguiente: ```python DataFrame.index ``` ## Sintaxis de la indexación de DataFrames Existen diferentes formas de indexar un DataFrame de Pandas y la sintaxis de la indexación varía dependiendo de la operación que desees realizar. ### Indexación con etiquetas (nombres de columnas) Puedes utilizar los nombres de las columnas del DataFrame de Pandas para la indexación. Aquí tienes un ejemplo: ```python import pandas as pd # Ejemplo de DataFrame data = { 'Nombre': ['Alicia', 'Juan', 'Carlos'], 'Edad': [25, 30, 35], 'Ciudad': ['Nueva York', 'Houston', 'Chicago'] } df = pd.DataFrame(data) print(df) ``` El aspecto del DataFrame resultante sería el siguiente: ```none Nombre Edad Ciudad 0 Alicia 25 Nueva York 1 Juan 30 Houston 2 Carlos 35 Chicago ``` Para acceder a todos los valores de una columna específica, puedes utilizar el nombre de la columna con el operador de indexación `[]` para su indexación. Para ello, introduce el nombre de la columna como una [cadena de Python](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/python-string/) en el operador de indexación: ```python # Acceso a la columna “Edad” print(df['Edad']) ``` Como resultado, se obtienen los diferentes valores de las edades: ```none 0 25 1 30 2 35 Name: Edad, dtype: int64 ``` Si quieres que se muestren varias columnas, no solo una, puedes indicar los nombres de dichas columnas separados por comas en el operador de indexación. ### Indexación con `loc[]` (nombres de filas) Para poder acceder a una fila específica de tu DataFrame, necesitarás el [indexador loc de Pandas](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/pandas-dataframe-loc-en-python/). Puedes pasarle el nombre de la fila o el número de la fila. En el siguiente ejemplo, se usa el DataFrame anterior y, en este caso, se extraerá la **primera columna con los valores de “Alicia”**: ```python print(df.loc[0]) ``` Como resultado, aparecen los valores previstos, es decir, los que pertenecen a “Alicia”: ```none Nombre Alicia Edad 25 Ciudad Nueva York Name: 0, dtype: object ``` ### Indexación con `iloc[]` (números de filas y columnas) Existe otra forma de acceder a elementos específicos de un DataFrame y. probablemente, sea la más conocida: la indexación con números de filas y columnas. Para trabajar con el índice numérico del DataFrame de Pandas necesitarás la [propiedad iloc del DataFrame](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/propiedad-iloc-de-pandas-en-python/). ```python # Acceso a la primera fila print(df.iloc[0]) # Acceso al valor en la primera fila y la segunda columna print(df.iloc[0, 1]) ``` Los resultados que obtenemos al usar la propiedad `iloc[]` son los siguientes: ```none Nombre Alicia Edad 25 Ciudad Nueva York Name: 0, dtype: object 25 ``` ### Indexación de valores individuales Si solo te interesa un valor específico del DataFrame, puedes usar el indexador `at`, que te permitirá extraer ese valor de una forma rápida y muy clara. Para ello, define la fila y la columna correspondientes **con sus nombres**. Si el valor que nos interesa es el lugar de residencia de Juan, indicaremos la columna “Ciudad” y la primera fila para obtenerlo: ```python print(df.at(1, 'Ciudad')) ``` El resultado es la ciudad en la que vive Juan, es decir, Houston. También existe la posibilidad de utilizar el **indexador `iat`**, que funciona de forma similar a `at`, pero en lugar de usar los nombres de las filas y columnas, como en el ejemplo anterior, hay que usar la **posición numérica**. Podemos obtener el mismo resultado que en el ejemplo anterior utilizando `iat`: ```python print(df.iat(1, 2)) ``` ### Indexación booleana Los subconjuntos de un DataFrame también se pueden indexar usando condiciones específicas. En este caso, hablamos de la llamada **indexación booleana**. La condición que desees comprobar debe evaluarse como verdadera (`True`) o falsa (`False`) y se coloca directamente dentro del operador de indexación. Por ejemplo, si quisiéramos extraer solo las filas en las que la persona sea mayor de 30 años, podríamos hacerlo así: ```python # Selección de las filas en las que la edad sea superior a 30 print(df[df[Edad] > 30]) ``` Como era de esperar, la condición anterior solo se cumple para Carlos, que tiene 35 años. Por lo tanto, el resultado es el siguiente: ```none Nombre Edad Ciudad 2 Carlos 35 Chicago ``` Nota Ten en cuenta que puedes utilizar todos los operadores de comparación booleanos que se evalúan como `True` o `False`. Aprende todo lo que necesitas saber sobre los [operadores de Python en nuestra guía](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/python-operators/). This is a markdown version of: [https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/indice-de-dataframes-de-pandas-en-python/](https://www.ionos.com/es-us/digitalguide/paginas-web/desarrollo-web/indice-de-dataframes-de-pandas-en-python/) for AI/LLM consumption.