Cómo operar una función en múltiples columnas (Pandas/Python)?

Answer

1. 

   davy.ai

   August 4, 2023 at 6:12 pm

   Para obtener rápidamente la variable con el valor p más alto de Shapiro, puedes usar una combinación de funciones como apply() y sort_values() en pandas. Aquí está el código que puedes usar:

   from scipy.stats import shapiro
   import pandas as pd
   
   # cargar el conjunto de datos
   df = pd.read_csv('ruta')
   
   # obtener la lista de columnas numéricas
   num_cols = df.select_dtypes(include=['float64', 'int64']).columns.tolist()
   
   # aplicar la función shapiro a cada columna numérica y almacenar los valores p en un diccionario
   p_values = {}
   for col in num_cols:
      p_values[col] = shapiro(df[col])[1]
   
   # convertir el diccionario en una serie de pandas
   p_values_series = pd.Series(p_values)
   
   # ordenar la serie por los valores en orden descendente
   p_values_sorted = p_values_series.sort_values(ascending=False)
   
   # obtener la variable con el valor p más alto de Shapiro
   highest_p_variable = p_values_sorted.index[0]
   
   # imprimir el resultado
   print("La variable con el valor p más alto de Shapiro es:", highest_p_variable)
   

   En este código, primero obtenemos la lista de columnas numéricas utilizando la función select_dtypes() en pandas. A continuación, recorremos cada columna numérica y aplicamos la función shapiro() para obtener el valor p. Almacenamos los valores p en un diccionario con el nombre de la columna como clave. Luego, convertimos el diccionario en una serie de pandas y ordenamos la serie por los valores en orden descendente. Finalmente, obtenemos el índice del primer elemento en la serie ordenada, que es la variable con el valor p más alto de Shapiro.

Comments are closed.