5. Selección y filtrado de datos

En Pandas podemos seleccionar filas, columnas o subconjuntos de diversas maneras dentro de un DataFrame. Las herramientas principales son loc (por etiquetas), iloc (por posición numérica), condiciones lógicas y máscaras booleanas. Dominar estas técnicas permite analizar datasets con mayor precisión en Python.

5.1 Selección por etiquetas (.loc)

Con loc accedemos a filas y columnas usando nombres de etiquetas (no números).

import pandas as pd

datos = {
    "Nombre": ["Ana", "Luis", "Carla", "Pedro", "María"],
    "Edad": [23, 35, 29, 42, 31],
    "Ciudad": ["Córdoba", "Buenos Aires", "Rosario", "Mendoza", "Salta"],
    "Salario": [55000, 72000, 61000, 83000, 59000]
}

df = pd.DataFrame(datos)
df = df.set_index("Nombre")  # usamos Nombre como índice
print(df)

Salida:

        Edad       Ciudad  Salario
Nombre                            
Ana       23      Córdoba    55000
Luis      35  Buenos Aires    72000
Carla     29      Rosario    61000
Pedro     42      Mendoza    83000
María     31        Salta    59000

Ejemplos con loc

# Seleccionar una fila por etiqueta
print(df.loc["Carla"])

# Seleccionar varias filas
print(df.loc[["Ana", "Pedro"]])

# Seleccionar filas y columnas específicas
print(df.loc["Luis", "Ciudad"])  # valor único
print(df.loc[["Ana", "María"], ["Edad", "Salario"]])

5.2 Selección por posición (.iloc)

Con iloc seleccionamos datos según su posición numérica, al estilo de un array de NumPy.

# Seleccionar la primera fila
print(df.iloc[0])

# Seleccionar la tercera fila y segunda columna
print(df.iloc[2, 1])

# Seleccionar un rango de filas
print(df.iloc[1:4])  # filas 1 a 3

# Seleccionar rango de filas y columnas
print(df.iloc[0:2, 0:2])  # primeras 2 filas y 2 columnas

👉 loc es más legible cuando conocemos los nombres, mientras que iloc es práctico para operaciones numéricas o iteraciones controladas.

5.3 Filtrado con condiciones lógicas

Podemos aplicar expresiones lógicas para filtrar filas según criterios específicos.

# Filtrar empleados con Edad mayor a 30
print(df[df["Edad"] > 30])

# Filtrar con varias condiciones (AND y OR)
print(df[(df["Edad"] > 30) & (df["Salario"] > 60000)])  # AND
print(df[(df["Ciudad"] == "Rosario") | (df["Ciudad"] == "Salta")])  # OR

👉 Notá el uso obligatorio de paréntesis al combinar condiciones con & (AND) y | (OR).

5.4 Uso de máscaras booleanas

Una máscara booleana es un arreglo de True/False que Pandas usa para filtrar filas de forma reutilizable.

# Crear una máscara booleana
mask = df["Edad"] > 30
print(mask)

# Aplicar la máscara al DataFrame
print(df[mask])

Salida de la máscara:

Nombre
Ana     False
Luis     True
Carla   False
Pedro    True
María    True
Name: Edad, dtype: bool

Salida del DataFrame filtrado:

        Edad       Ciudad  Salario
Nombre                            
Luis      35  Buenos Aires    72000
Pedro     42      Mendoza    83000
María     31        Salta    59000

👉 Las máscaras permiten crear filtros complejos y reutilizarlos en distintas operaciones.

Resumen del tema 5

  • loc: selección por nombres de filas y columnas.
  • iloc: selección por posiciones numéricas.
  • Condiciones lógicas: filtrado según criterios (>, <, ==, &, |).
  • Máscaras booleanas: vectores de True/False aplicados como filtros reutilizables.

Con estas técnicas controlás qué datos analizar antes de aplicar transformaciones o modelos.

Volver al inicio