9. Agrupación y agregación de datos en Pandas

Cuando trabajás con conjuntos grandes de datos, resumir información es vital. Con Pandas podés agrupar filas y aplicar cálculos agregados que condensan patrones clave.

La combinación de DataFrame y el método groupby() abre la puerta a estadísticas resumidas en segundos.

9.1 Uso de groupby

groupby separa un DataFrame en grupos según columnas elegidas y prepara los datos para agregaciones.

Ejemplo de DataFrame

import pandas as pd
datos = {
    "Empleado": ["Ana", "Luis", "Carla", "Pedro", "María", "Jorge"],
    "Departamento": ["Ventas", "Ventas", "IT", "IT", "Ventas", "IT"],
    "Salario": [55000, 72000, 61000, 83000, 59000, 75000],
    "Edad": [23, 35, 29, 42, 31, 38]
}
df = pd.DataFrame(datos)
print(df)

Salida:

  Empleado Departamento  Salario  Edad
0      Ana       Ventas    55000    23
1     Luis       Ventas    72000    35
2    Carla           IT    61000    29
3    Pedro           IT    83000    42
4    María       Ventas    59000    31
5    Jorge           IT    75000    38

Agrupar por una columna

grupo = df.groupby("Departamento")
print(grupo)
👉 El resultado es un objeto DataFrameGroupBy; la agregación llega cuando aplicás funciones como mean() o agg().

9.2 Funciones de agregación (sum, mean, count)

Una vez agrupados, aplicás funciones de agregación para obtener indicadores por grupo.

Calcular la media por grupo

print(df.groupby("Departamento")["Salario"].mean())

Salida:

Departamento
IT        73000.0
Ventas    62000.0
Name: Salario, dtype: float64

Calcular varias métricas

print(df.groupby("Departamento")["Edad"].sum())
print(df.groupby("Departamento")["Edad"].count())

Agregación sobre columnas numéricas

df_promedios = df.groupby("Departamento")[["Salario", "Edad"]].mean()
print(df_promedios)

Salida:

               Salario       Edad
Departamento                      
IT             73000.0  36.333333
Ventas         62000.0  29.666667
👉 Seleccioná las columnas numéricas con doble corchete (o usá numeric_only=True) para evitar errores en versiones recientes de Pandas.

9.3 Agregaciones múltiples y personalizadas

Con agg() podés combinar funciones estándar y lógicas propias en una sola llamada.

Agregaciones múltiples

print(df.groupby("Departamento")["Salario"].agg(["sum", "mean", "max"]))

Salida:

               sum     mean    max
Departamento                        
IT          219000  73000.0  83000
Ventas      186000  62000.0  72000

Agregación sobre varias columnas

print(df.groupby("Departamento").agg({
    "Salario": ["mean", "max"],
    "Edad": ["min", "max"]
}))

Salida:

               Salario             Edad      
                 mean    max   min   max
Departamento                               
IT             73000.0  83000    29    42
Ventas         62000.0  72000    23    35

Funciones personalizadas con agg()

def rango(x):
    return x.max() - x.min()
print(df.groupby("Departamento").agg({
    "Salario": rango,
    "Edad": rango
}))

Salida:

               Salario  Edad
Departamento                 
IT               22000    13
Ventas           17000    12
👉 Con funciones personalizadas obtenés indicadores propios, como el rango de salarios o edades por equipo.

Resumen del tema 9

  • groupby() agrupa datos según una o varias columnas.
  • Las funciones estándar (sum, mean, count, max, min) generan resúmenes rápidos.
  • agg() combina múltiples funciones y admite lógicas personalizadas.
  • Las agregaciones ayudan a crear reportes comparativos en pocas líneas de código.
Volver al inicio