Filtrando Filas

Filtrando con condiciones booleanas

Filtrar es la forma de centrarte en el subconjunto de datos que importa. Creas una máscara booleana, una Series de valores True/False, y la usas para seleccionar filas.

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

# Filter passengers older than 30
older = df[df["Age"] > 30]
print(older.shape)   # fewer rows than original 891

La expresión df["Age"] > 30 produce una Series booleana:

0       True
1       True
2      False
3       True
...

Pasarla dentro de df[...] conserva solo las filas donde el valor es True.

Combinando condiciones

Usa & (y) y | (o) para combinar condiciones. Cada condición debe ir entre paréntesis:

# Female passengers in first class
first_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 1)]
print(first_class_female.head())

# Passengers younger than 25 OR older than 60
young_or_old = df[(df["Age"] < 25) | (df["Age"] > 60)]
print(young_or_old.shape)

Error común: usar and/or en lugar de &/|. Los operadores and/or de Python no funcionan elemento por elemento sobre las Series de pandas y lanzarán un error.

Usando .isin() para varios valores

Cuando necesitas coincidir con una lista de valores, usa .isin():

# Passengers who embarked from Cherbourg or Southampton
embarked_filter = df[df["Embarked"].isin(["C", "S"])]

# Passengers in class 1 or 2
upper_classes = df[df["Pclass"].isin([1, 2])]

Usando .between() para rangos

El método .between() es más limpio que encadenar dos comparaciones:

# Passengers aged 20 to 30 (inclusive by default)
twenties = df[df["Age"].between(20, 30)]
print(twenties.shape)

Esto es equivalente a df[(df["Age"] >= 20) & (df["Age"] <= 30)] pero más legible.

Filtrando con métodos de cadena

El accesor .str te permite aplicar operaciones de cadena a una columna completa:

# Passengers whose name contains "Master" (a title)
masters = df[df["Name"].str.contains("Master", na=False)]
print(masters.shape)

# Passengers whose ticket starts with "A"
a_tickets = df[df["Ticket"].str.startswith("A", na=False)]

El parámetro na=False maneja los valores faltantes con elegancia, sin él, las entradas NaN causarían errores.

Filtrando con .query()

Para filtros complejos, .query() ofrece una alternativa legible:

# Equivalent to df[(df["Age"] > 25) & (df["Survived"] == 1)]
survivors_over_25 = df.query("Age > 25 and Survived == 1")

Esto se lee casi como inglés y evita la sintaxis repetitiva df["column"].

Almacenando filtros en variables

Para condiciones complejas, guarda la máscara booleana en una variable primero:

is_female = df["Sex"] == "female"
is_first_class = df["Pclass"] == 1
is_survived = df["Survived"] == 1

# Combine them
result = df[is_female & is_first_class & is_survived]
print(f"Female first-class survivors: {len(result)}")

Este enfoque hace que tu código sea mucho más fácil de leer y depurar.

Inténtalo

Del conjunto de datos del Titanic, filtra para encontrar:

1. Todos los pasajeros que pagaron más de 100 en tarifa
2. Todas las pasajeras en tercera clase
3. Todos los pasajeros con el título “Mrs” en su nombre

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

high_fare = df[df["Fare"] > 100]
print(f"High fare passengers: {len(high_fare)}")

third_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 3)]
print(f"Third-class females: {len(third_class_female)}")

mrs = df[df["Name"].str.contains("Mrs", na=False)]
print(f"Passengers with title Mrs: {len(mrs)}")

Conclusiones clave

• La indexación booleana df[mask] es el mecanismo principal de filtrado en pandas
• Usa & para Y, | para O, envuelve siempre las condiciones individuales entre paréntesis
• .isin() coincide con una lista; .between() maneja rangos con limpieza
• .str.contains() filtra por coincidencia de subcadena, usa na=False por seguridad

Desafío de práctica

Del conjunto de datos del Titanic, encuentra todos los pasajeros que: (1) fueran hombres, (2) estuvieran en segunda o tercera clase, (3) tuvieran entre 18 y 35 años, y (4) sobrevivieran. ¿Cuántos pasajeros cumplen las cuatro condiciones?