¿Cómo filtrar, ordenar y agrupar datos con pandas?

Filtrar, ordenar y agrupar datos con pandas significa seleccionar filas según condiciones, reordenarlas por valores y calcular resúmenes por categorías, todo sin salir de Python.

Filtrado con condiciones booleanas

Un filtro booleano evalúa cada fila y devuelve True o False. Pandas conserva solo las filas donde el resultado es True.

La sintaxis base es:

df[df["columna"] condicion valor]

Por ejemplo, tienes un DataFrame de nómina de una empresa proveedora de FEMSA. Quieres ver solo a los empleados que ganan más de $15,000:

import pandas as pd

nomina = pd.DataFrame({
    "nombre": ["Ana", "Luis", "Karla", "Jorge", "Sofía"],
    "departamento": ["Ventas", "Logística", "Ventas", "RRHH", "Logística"],
    "salario": [18500, 12000, 22000, 15000, 9800]
})

altos = nomina[nomina["salario"] > 15000]
print(altos)

Salida:

  nombre departamento  salario
0    Ana       Ventas    18500
2  Karla       Ventas    22000

Nota que el índice conserva los números originales (0 y 2). Esto es normal en pandas.

Filtros con múltiples condiciones

Puedes combinar condiciones con & (AND) y | (OR). Siempre encierra cada condición entre paréntesis. Si no lo haces, Python lanzará un error de precedencia.

# Empleados de Ventas con salario mayor a $16,000
resultado = nomina[(nomina["departamento"] == "Ventas") & (nomina["salario"] > 16000)]
print(resultado)

Salida:

  nombre departamento  salario
0    Ana       Ventas    18500
2  Karla       Ventas    22000

Otro caso práctico: un inventario de Liverpool donde quieres artículos agotados o con precio menor a $200:

inventario = pd.DataFrame({
    "producto": ["Camisa", "Pantalón", "Tenis", "Cinturón", "Bolsa"],
    "precio": [350, 180, 950, 150, 1200],
    "stock": [40, 0, 15, 0, 8]
})

alerta = inventario[(inventario["stock"] == 0) | (inventario["precio"] < 200)]
print(alerta)

Salida:

   producto  precio  stock
1  Pantalón     180      0
3  Cinturón     150      0

Filtrar con .isin()

Cuando necesitas comparar contra una lista de valores, usa .isin(). Es más limpio que encadenar varios |.

deptos_clave = ["Ventas", "Logística"]
filtrado = nomina[nomina["departamento"].isin(deptos_clave)]
print(filtrado)

Salida:

  nombre departamento  salario
0    Ana       Ventas    18500
1   Luis    Logística    12000
2  Karla       Ventas    22000
4  Sofía    Logística     9800

Ordenar datos con .sort_values()

.sort_values() reordena el DataFrame por una o varias columnas. El parámetro ascending controla si el orden es de menor a mayor (True) o de mayor a menor (False).

Sintaxis:

df.sort_values(by="columna", ascending=True)

Ejemplo: ordenar la nómina de mayor a menor salario:

ordenado = nomina.sort_values(by="salario", ascending=False)
print(ordenado)

Salida:

  nombre departamento  salario
2  Karla       Ventas    22000
0    Ana       Ventas    18500
3  Jorge         RRHH    15000
1   Luis    Logística    12000
4  Sofía    Logística     9800

Puedes ordenar por dos columnas. Primero por departamento (A–Z) y luego por salario (mayor a menor):

ordenado2 = nomina.sort_values(
    by=["departamento", "salario"],
    ascending=[True, False]
)
print(ordenado2)

Esto es útil cuando presentas reportes a RRHH: ven cada área ordenada internamente por sueldo.

Agrupar datos con .groupby()

.groupby() divide el DataFrame por categorías y aplica una función de resumen a cada grupo. Es el equivalente de una tabla dinámica en Excel.

Sintaxis base:

df.groupby("columna_grupo")["columna_valor"].funcion()

Ejemplo: calcular el salario promedio por departamento en la nómina:

promedio = nomina.groupby("departamento")["salario"].mean()
print(promedio)

Salida:

departamento
Logística    10900.0
RRHH         15000.0
Ventas       20250.0
Name: salario, dtype: float64

El resultado es una Serie con el departamento como índice. Si necesitas un DataFrame, agrega .reset_index():

promedio_df = nomina.groupby("departamento")["salario"].mean().reset_index()
print(promedio_df)

Salida:

  departamento   salario
0    Logística   10900.0
1         RRHH   15000.0
2       Ventas   20250.0

Agrupar con varias métricas usando .agg()

Cuando necesitas más de una métrica al mismo tiempo, usa .agg(). Puedes calcular suma, promedio, mínimo y máximo en una sola instrucción.

resumen = nomina.groupby("departamento")["salario"].agg(
    total="sum",
    promedio="mean",
    maximo="max",
    minimo="min"
).reset_index()
print(resumen)

Salida:

  departamento   total  promedio  maximo  minimo
0    Logística   21800   10900.0   12000    9800
1         RRHH   15000   15000.0   15000   15000
2       Ventas   40500   20250.0   22000   18500

Este tipo de resumen es exactamente lo que un gerente de Bimbo o Mercado Libre esperaría en un reporte ejecutivo.

Combinar filtro, orden y agrupación

En la práctica, combinas las tres operaciones. Imagina que solo quieres el resumen salarial de los departamentos con salario promedio mayor a $12,000:

resumen_filtrado = resumen[resumen["promedio"] > 12000].sort_values(
    by="promedio", ascending=False
)
print(resumen_filtrado)

Salida:

  departamento   total  promedio  maximo  minimo
2       Ventas   40500   20250.0   22000   18500
1         RRHH   15000   15000.0   15000   15000

Primero filtras, luego ordenas. El orden de las operaciones importa.

Errores comunes

Error 1: olvidar los paréntesis en condiciones múltiples. Escribir df[df["a"] > 5 & df["b"] == 1] lanza un error. La forma correcta es df[(df["a"] > 5) & (df["b"] == 1)].

Error 2: usar = en lugar de == dentro del filtro. df[df["departamento"] = "Ventas"] es un error de sintaxis. Para comparar siempre usas ==.

Error 3: no reasignar el resultado de .sort_values(). Como la lección anterior de limpieza enseñó, pandas no modifica el original. Siempre escribe df = df.sort_values(...) o guarda el resultado en una nueva variable.

Error 4: interpretar el índice de .groupby() como una columna. Después de un groupby, el campo agrupado se convierte en índice, no en columna. Agrega .reset_index() para recuperarlo como columna normal y evitar confusiones al exportar a Excel.

Tabla de referencia rápida