Python Data Science Program
📓 Abrir notebook en GitHub

Clase 023 — Pandas: indexación (loc, iloc, at, iat)

Parte: 0 — Prerrequisitos · Fuente: VanderPlas, cap. 3 § 3.3 Data Indexing and Selection. ⏱️ Duración estimada: 75 min.

🎯 Objetivo

Que el alumno domine los 4 indexers de pandas y elija el correcto según el caso. El bug "SettingWithCopyWarning" y el bug del slicing por label inclusivo nacen aquí — saber qué indexer usar evita ambos.

📚 Resultados de aprendizaje

Al finalizar la clase, el alumno podrá:

  1. Usar .loc[row_label, col_label] para acceso por etiqueta (inclusivo en slicing).
  2. Usar .iloc[row_pos, col_pos] para acceso por posición entera (exclusivo, como Python).
  3. Usar .at / .iat para acceso a un único valor (más rápido que loc/iloc).
  4. Evitar SettingWithCopyWarning usando .loc para asignar en una vista.
  5. Filtrar filas con boolean mask dentro de .loc: df.loc[df['edad'] > 30, 'nombre'].

🗺️ Temas

# Tema Por qué importa
1 [] directo: shortcut con quirks Columnas → Series; filas → KeyError.
2 .loc: por label, slicing inclusivo El indexer principal del 80% del tiempo.
3 .iloc: por posición, slicing exclusivo (como Python) Cuando no te importa el label.
4 .at / .iat: single value Optimizado para 1 celda — útil en loops.
5 Mask + loc para filtros con asignación df.loc[mask, 'col'] = valor.
6 SettingWithCopyWarning: qué es y cómo evitarlo Usar .loc para asignar.

📖 Definiciones y características

.loc[fila, col]
Acceso por etiqueta. Slicing es inclusivo en ambos extremos (df.loc['a':'c'] incluye 'c'). Acepta booleano: df.loc[df['x'] > 0, 'col'].
.iloc[fila, col]
Acceso por posición entera. Slicing es exclusivo del extremo (estilo Python). df.iloc[0:5] da 5 filas (índices 0..4).
.at[fila, col] / .iat[fila, col]
Versiones para acceder/asignar un único valor. ~10× más rápidos que .loc/.iloc cuando estás en loops. Mismo patrón label vs posición.
Indexer chaining (df[cond][col] = x)
Encadenar dos [] operaciones de acceso. Crea ambigüedad: ¿es vista o copia? Origen del SettingWithCopyWarning. Evítalo siempre.
SettingWithCopyWarning
Aviso de pandas: "estoy haciendo algo ambiguo, puede que tu asignación se pierda". Causado por chaining o asignación sobre subset no-explícito. Solución universal: .loc[cond, col] = x en una sola operación.

📂 Dataset / recursos

Palmer Penguins desde URL (mismo de clase 022) o el sintético si no hay internet.

🧪 Ejercicios

1. Acceso simple. Carga penguins. Obtén la columna species con los 3 métodos: df.species, df['species'], df.loc[:, 'species'].

2. loc inclusivo vs iloc exclusivo. Con index 0..N por default, compara df.loc[0:5] vs df.iloc[0:5]. ¿Cuántas filas devuelve cada uno?

3. Filtro + columnas seleccionadas. Pingüinos Adelie machos con bill_length > 40: df.loc[(df.species=='Adelie') & (df.sex=='male') & (df.bill_length_mm > 40), ['species', 'island', 'bill_length_mm']].

4. Asignación segura. Crea una columna is_big que sea True si body_mass_g > 4500, usando .loc.

5. Provoca y arregla SettingWithCopyWarning. Slicea con df[df.x > 0] y modifica → ve warning. Hazlo con .loc → sin warning.

📝 Homework verificable

Notebook que: (a) muestra los 3 métodos de acceso a columna; (b) compara loc vs iloc en slicing con tabla; (c) filtra Adelie machos con bill_length>40 mostrando 3 columnas; (d) reproduce y arregla SettingWithCopyWarning con explicación.

Criterio de aceptación: Los filtros producen el subset correcto; la versión con .loc no emite warning.

⚠️ Errores comunes

Síntoma / mensaje Causa y cómo arreglar
SettingWithCopyWarning aparece y no sé por qué Estás asignando sobre un resultado de slicing/filter que podría ser vista o copia. Fix: df.loc[mask, 'col'] = valor (una sola operación) en vez de df[mask]['col'] = valor.
df.loc[0:5] da 6 filas no 5 loc es inclusive end. Para 5 filas: df.iloc[0:5] (exclusivo) o df.loc[0:4] (inclusivo, manual).
KeyError con .loc[5] cuando hice set_index('id') El index ya no es 0..N — es la columna id. Fix: usa .iloc[5] para posición, o .loc[<valor_id_real>] para etiqueta.
Asignación a vista no modifica el original Pandas 3+ va a ser estricto: la vista no se considera modificable. Fix: siempre .loc para asignar; si necesitas copia, .copy() explícito.
df.col1 = x no actualiza la columna Como atributo, asignar no agrega columna nueva (lanza UserWarning). Fix: df['col1'] = x siempre.

❓ Preguntas frecuentes

❓ ¿loc o iloc?

loc cuando el index es semántico (nombres, fechas, ids). iloc cuando solo importa la posición (top-K por orden, primeros 10, último). Mezclarlos en el mismo código causa confusión.

❓ ¿Por qué loc slicing es inclusivo?

Decisión histórica: para labels (strings, fechas), incluir el end es lo intuitivo ('enero':'marzo' debe incluir marzo). Para enteros default queda raro — usa iloc ahí.

❓ ¿at vale la pena vs loc para single value?

Solo en hot loops (>10k iteraciones). Para uso interactivo, loc es lo suficientemente rápido y más legible.

❓ ¿Cómo selecciono múltiples columnas?

Lista entre brackets: df[['a', 'b', 'c']] (devuelve DataFrame). Notar el [[]]. Un solo [] con string devuelve Series.

❓ ¿.loc[mask, cols] o .query() + [cols]?

Ambos válidos. .loc[mask, cols] para máscaras computadas; .query() para filtros declarativos largos. Misma velocidad para datasets <100k.

🔗 Referencias

📥 Material descargable

➡️ Siguiente clase

Clase 024 — Pandas: operaciones y alineación