Todo el que trabaja con datos acaba experimentando tarde o temprano una ligera disonancia cognitiva. Por la mañana escribes una consulta declarativa en SQL contra PostgreSQL, a mediodía limpias una exportación en Python con Pandas y por la tarde montas un panel interactivo en Power BI peleándote con fórmulas en DAX.
Aunque la esencia matemática de las operaciones no cambia en absoluto, la sintaxis de estos tres entornos es tan distinta que resulta fácil hacerse un lío mental. He reunido una guía rápida de diez operaciones fundamentales de transformación de datos (Data Wrangling) para que puedas cambiar de contexto mental al instante entre la base de datos, el código y la capa de analítica de negocio.
Los diez fundamentales: de la selección a las tablas dinámicas
Veamos cómo se expresa exactamente la misma tarea computacional en los tres dialectos:
- Selección de columnas (Selection):
- SQL:
SELECT name, salary FROM employees - Pandas:
df[["name", "salary"]] - DAX:
SELECTCOLUMNS(Employees, "name", Employees[name], "salary", Employees[salary])
- SQL:
- Filtrado de filas (Filtering):
- SQL:
SELECT * FROM sales WHERE amount > 1000 - Pandas:
df[df["amount"] > 1000]odf.query("amount > 1000") - DAX:
FILTER(Sales, Sales[amount] > 1000)o dentro de una medida:CALCULATE([Total], Sales[amount] > 1000)
- SQL:
- Ordenación (Sorting):
- SQL:
SELECT * FROM orders ORDER BY created_at DESC - Pandas:
df.sort_values(by="created_at", ascending=False) - DAX:
TOPN(10, Orders, Orders[created_at], DESC)(o configurando el orden en Power BI Desktop)
- SQL:
- Agregación y agrupación (Aggregation):
- SQL:
SELECT dept, SUM(salary) AS total FROM staff GROUP BY dept - Pandas:
df.groupby("dept")["salary"].sum().reset_index() - DAX:
SUMMARIZE(Staff, Staff[dept], "total", SUM(Staff[salary]))
- SQL:
- Unión de tablas (Join):
- SQL:
SELECT * FROM orders o INNER JOIN clients c ON o.client_id = c.id - Pandas:
pd.merge(orders, clients, on="client_id", how="inner") - DAX:
RELATED(Clients[name])(a través de la relación del modelo) oNATURALINNERJOIN(Orders, Clients)
- SQL:
- Valores únicos (Distinct):
- SQL:
SELECT DISTINCT category FROM products - Pandas:
df["category"].unique()odf.drop_duplicates(subset=["category"]) - DAX:
DISTINCT(Products[category])oVALUES(Products[category])
- SQL:
- Relleno de nulos (Coalesce / Imputation):
- SQL:
SELECT COALESCE(phone, "sin datos") FROM users - Pandas:
df["phone"].fillna("sin datos") - DAX:
COALESCE(Users[phone], "sin datos")
- SQL:
- Ranking (Rank):
- SQL:
RANK() OVER (PARTITION BY dept ORDER BY salary DESC) - Pandas:
df.groupby("dept")["salary"].rank(ascending=False, method="min") - DAX:
RANKX(ALL(Staff), [Total Salary], , DESC)
- SQL:
- Suma acumulada (Cumulative Sum / Running Total):
- SQL:
SUM(amount) OVER (ORDER BY date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) - Pandas:
df.sort_values("date")["amount"].cumsum() - DAX:
CALCULATE(SUM(Sales[amount]), FILTER(ALL(Sales), Sales[date] <= MAX(Sales[date])))
- SQL:
- Tablas dinámicas (Pivot / Cross-tabulation):
- SQL: agregación condicional
SUM(CASE WHEN year = 2026 THEN amount ELSE 0 END) GROUP BY dept - Pandas:
df.pivot_table(index="dept", columns="year", values="amount", aggfunc="sum") - DAX: el objeto visual de matriz o la función tabular
SUMMARIZECOLUMNS
- SQL: agregación condicional
Separación arquitectónica: dónde calcular cada cosa
Para que tu pipeline no reviente por errores de memoria, ten presente una separación clara de responsabilidades entre las tres capas:
-- 1. Capa SGBD: filtramos y agregamos datos en el origen
SELECT department, DATE_TRUNC('month', order_date) AS month, SUM(revenue) AS total_revenue
FROM enterprise_orders
WHERE status = 'completed' AND order_date >= '2026-01-01'
GROUP BY 1, 2;
# 2. Capa Python/Pandas: limpieza compleja y transformación vectorizada
import pandas as pd
def clean_and_accumulate(df: pd.DataFrame) -> pd.DataFrame:
df["total_revenue"] = df["total_revenue"].fillna(0)
df = df.sort_values(["department", "month"])
df["running_total"] = df.groupby("department")["total_revenue"].cumsum()
return df
La regla es sencilla: el filtrado grueso inicial y el cruce de tablas siempre salen más rentables en el SGBD con SQL, porque ahorran red y RAM. Deja para Pandas la limpieza vectorizada, la validación y el enriquecimiento. Y reserva para el motor VertiPaq y las fórmulas DAX de Power BI los cortes dinámicos, el contexto de filtro y los ratios visuales.
Ya vimos antes la equivalencia entre la lógica de Excel y el código en Python y SQL, y esta chuleta resumida te ayudará a traducir rápido cualquier idea analítica a la sintaxis de la herramienta que toque.

