Fundamentos de pandas: Series, DataFrames, el DatetimeIndex, selección y filtrado, y remuestreo de barras diarias a semanales

Qué aprenderás

• Qué son una Series y un DataFrame y por qué el DatetimeIndex es la columna vertebral del análisis de precios.
• La diferencia entre loc, basado en etiquetas, e iloc, basado en posiciones, y cómo filtran filas las máscaras booleanas.
• Cómo construir barras semanales o mensuales a partir de barras diarias con resample y la agregación correcta para cada columna.
• Qué valores por defecto de pandas cambiaron en la versión 3.0 y cómo escribir código que se comporte igual en 2.2 y en 3.x.

Explicación

Una Series es un array unidimensional etiquetado: una columna de cierres con una fecha asociada a cada valor. Un DataFrame es una tabla de Series que comparten un mismo índice: apertura, máximo, mínimo, cierre y volumen uno al lado del otro. El índice contiene las etiquetas de las filas; para los datos de precios debería ser un DatetimeIndex, un índice especializado de marcas temporales que permite trocear por fechas, remuestrear y gestionar zonas horarias. Convención: import pandas as pd.

Crea un DataFrame con un diccionario de columnas y un índice de fechas:

idx = pd.bdate_range("2025-03-03", periods=10)

df = pd.DataFrame({"open": [...], "high": [...], "low": [...], "close": [...], "volume": [...]}, index=idx)

bdate_range genera solo días laborables y no sabe nada de los festivos bursátiles; los datos reales proceden de archivos (lección 4). Inspecciona con df.head(), df.info() (tipos y valores faltantes) y df.describe(). df.index.dtype debe mostrar datetime64; si muestra object, las fechas siguen siendo texto.

Selección. df["close"] devuelve una Series; df[["open", "close"]] (una lista) devuelve un DataFrame. df.loc[row_labels, columns] selecciona por etiqueta: df.loc["2025-03-05":"2025-03-07", "close"] da los cierres de esas tres fechas y, con loc, se incluyen ambos extremos del slice, a diferencia de las listas de Python. df.iloc[0:3] selecciona por posición entera (las tres primeras filas, excluido el final) y df.iloc[-1] es la última barra.

Filtrado. Una comparación sobre una Series produce una Series de booleanos, una máscara: up = df["close"] > df["open"]. Al pasar la máscara se seleccionan las filas que coinciden: df[up]. Combina máscaras con & (y), | (o) y ~ (no), cada condición entre sus propios paréntesis: df[(df["close"] > df["open"]) & (df["volume"] > 1200)]. up.sum() cuenta los valores True, y up.mean() es la proporción de días alcistas.

Añadir columnas es una asignación: df["range"] = df["high"] - df["low"]. Las operaciones están vectorizadas, es decir, se aplican a columnas enteras a la vez, y por eso pandas es rápido. shift(1) desplaza los valores una fila hacia abajo (el cierre de ayer en la fila de hoy) y pct_change() da las variaciones porcentuales; ambos dejan NaN (not a number, «no es un número») en la primera fila.

Remuestreo. resample agrupa las filas en intervalos de tiempo fijos. Cada columna necesita su propia regla: la apertura semanal es la primera apertura diaria, el máximo es el mayor valor, el mínimo el menor, el cierre el último y el volumen la suma:

rules = {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"}

weekly = df.resample("W-FRI").agg(rules)

El código "W-FRI" etiqueta cada semana con su viernes. Las barras mensuales usan "ME" (fin de mes). Los tutoriales antiguos escriben "M"; pandas 2.2 declaró obsoleto ese alias en favor de "ME" (igual que "QE" y "YE"), y el código escrito con los nuevos alias funciona tanto en 2.2 como en 3.x.

Cambios de pandas 3.0 que conviene conocer. Copy-on-Write (copia al escribir) es ahora el único modo: un DataFrame filtrado es una copia independiente, así que df[mask]["close"] = 0 nunca modifica df; escribe df.loc[mask, "close"] = 0. Las columnas de texto tienen ahora el dtype str en lugar de object.

Ejemplo práctico

Ejemplo hipotético: diez barras diarias del lunes 3 de marzo al viernes 14 de marzo de 2025, precios en euros, sin festivos.

El remuestreo da dos filas. Semana que termina el 7 de marzo: apertura = primera apertura = 100; máximo = max(102, 104, 104, 105, 106) = 106; mínimo = min(99, 100, 101, 101, 103) = 99; cierre = último cierre = 105; volumen = 1,000 + 1,200 + 900 + 1,100 + 1,500 = 5,700. Semana que termina el 14 de marzo: apertura 105, máximo 110, mínimo 103, cierre 107, volumen = 1,300 + 1,000 + 1,400 + 1,200 + 1,600 = 6,500.

Filtrado: (df["close"] > df["open"]).sum() devuelve 7, porque solo el 5, el 10 y el 14 de marzo cerraron por debajo de su apertura. df.loc["2025-03-05":"2025-03-07", "close"] devuelve 102, 104, 105.

Error frecuente

Actividad práctica

Usando la tabla de diez barras anterior y trabajando en papel: (a) escribe la expresión de pandas que selecciona las barras del 10 al 12 de marzo inclusive; (b) indica qué devuelve df.iloc[-3:]["close"].tolist(); (c) calcula la única barra mensual que produciría df.resample("ME").agg(rules); (d) explica qué sale mal si alguien escribe df.resample("ME").last() para todas las columnas.

Ideas clave

• Los datos de precios viven en un DataFrame con un DatetimeIndex; comprueba df.index.dtype antes que nada.
• loc selecciona por etiqueta e incluye el final del slice; iloc selecciona por posición y lo excluye.
• Las máscaras booleanas combinadas con &, | y ~ sustituyen a los bucles para filtrar, y .sum() sobre una máscara cuenta las coincidencias.
• Remuestrea OHLCV con first/max/min/last/sum, usa los alias "W-FRI" y "ME", y recuerda el Copy-on-Write de pandas 3.0 al asignar.

Siguiente paso

La lección 4 introduce datos reales: leer archivos CSV y API gratuitas, entender los precios ajustados frente a los no ajustados, y gestionar los valores faltantes y las zonas horarias.