# Uso con Pandas

Este documento es una introducción rápida al uso de `datasets` con Pandas, con un enfoque particular en cómo procesar conjuntos de datos mediante funciones de Pandas y cómo convertir un conjunto de datos a Pandas o desde Pandas.

Esto resulta especialmente útil, ya que permite operaciones rápidas, dado que `datasets` utiliza PyArrow internamente y PyArrow está bien integrado con Pandas.

## Formato del conjunto de datos

Por defecto, los conjuntos de datos devuelven objetos de Python estándar: enteros, flotantes, cadenas, listas, etc.

Para obtener DataFrames o Series de Pandas en su lugar, puede establecer el formato del conjunto de datos en `pandas` usando [Dataset.with_format()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.with_format):

```py
>>> from datasets import Dataset
>>> data = {"col_0": ["a", "b", "c", "d"], "col_1": [0., 0., 1., 1.]}
>>> ds = Dataset.from_dict(data)
>>> ds = ds.with_format("pandas")
>>> ds[0]       # pd.DataFrame
  col_0  col_1
0     a    0.0
>>> ds[:2]      # pd.DataFrame
  col_0  col_1
0     a    0.0
1     b    0.0
>>> ds["data"]  # pd.Series
0    a
1    b
2    c
3    d
Name: col_0, dtype: object
```

Esto también funciona para objetos `IterableDataset` obtenidos, por ejemplo, usando `load_dataset(..., streaming=True)`:

```py
>>> ds = ds.with_format("pandas")
>>> for df in ds.iter(batch_size=2):
...     print(df)
...     break
  col_0  col_1
0     a    0.0
1     b    0.0
```

## Procesar datos

Las funciones de Pandas son generalmente más rápidas que las funciones de python escritas a mano, por lo que son una buena opción para optimizar el procesamiento de datos. Puedes usar funciones de Pandas para procesar un conjunto de datos en [Dataset.map()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.map) o [Dataset.filter()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.filter):

```python
>>> from datasets import Dataset
>>> data = {"col_0": ["a", "b", "c", "d"], "col_1": [0., 0., 1., 1.]}
>>> ds = Dataset.from_dict(data)
>>> ds = ds.with_format("pandas")
>>> ds = ds.map(lambda df: df.assign(col_2=df.col_1 + 1), batched=True)
>>> ds[:2]
  col_0  col_1  col_2
0     a    0.0    1.0
1     b    0.0    1.0
>>> ds = ds.filter(lambda df: df.col_0 == "b", batched=True)
>>> ds[0]
  col_0  col_1  col_2
0     b    0.0    1.0
```

Usamos `batched=True` porque es más rápido procesar lotes de datos en Pandas que fila por fila. También es posible usar `batch_size=` en `map()` para establecer el tamaño de cada `df`.

Esto también funciona para [IterableDataset.map()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDataset.map) y [IterableDataset.filter()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDataset.filter).

## Importar o exportar desde Pandas

Para importar datos desde Pandas, puedes usar [Dataset.from_pandas()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.from_pandas):

```python
ds = Dataset.from_pandas(df)
```

Y puedes usar [Dataset.to_pandas()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.to_pandas) para exportar un Dataset a un DataFrame de Pandas:

```python
df = Dataset.to_pandas()
```

