#3 – Основы работы с Pandas библиотекой
Відеоурок
Что такое Pandas?
Библиотека Pandas — одна из самых популярных библиотек в Python для анализа данных. Она делает работу с данными быстрой, легкой и эффективной. Представьте, что у вас есть таблица в базе данных, и вы хотите быстро ее проанализировать, выполнить фильтрацию данных, отсеять ненужное и выполнить другие действия. В таком случае вы можете воспользоваться функциями библиотеки и сделать все это буквально за пару строк кода.
Вы сможете обработать каждый ряд и столбец в таблице и проанализировать любую информацию в них.
А вообще, если вы хотите научиться анализировать данные, строить отчеты или готовить информацию для машинного обучения, Pandas станет вашим незаменимым помощником.
Почему Pandas?
Pandas предоставляет высокоуровневые структуры данных, такие как Series и DataFrame, которые позволяют легко манипулировать данными. С помощью простых и интуитивно понятных методов можно быстро выполнять сложные операции с данными.
Также сама Pandas построена на основе NumPy, что обеспечивает высокую производительность и возможность работы с большими объемами данных.
Библиотека предлагает широкий набор инструментов для загрузки данных, их очистки, анализа и визуализации. Это делает её универсальным инструментом для решения множества задач, связанных с данными.
Возможности Pandas
Pandas поддерживает различные форматы данных, включая CSV, Excel, SQL и многие другие. Это позволяет легко загружать данные из различных источников.
После загрузки данных вы можете их анализировать, применяя различные фильтры и критерии для сортировки.
Хотя Pandas не предназначена для создания сложных визуализаций, она предоставляет базовые инструменты для построения графиков. Для более сложных визуализаций Pandas легко интегрируется с библиотеками Matplotlib и Seaborn.
Вихідний код
import pandas as pd
data = {
'Name': ['John', 'Anna', 'Peter', 'Alex'],
'Age': [28, 54, 23, 57],
'City': ['New York', 'Paris', 'Berlin', 'London']
}
df = pd.DataFrame(data)
# print(df[df['Age'] > 28])
# Первые 5 или последние 5 строк
print(df.head())
print(df.tail())
print(df.describe())
print(df.info())
# ---- CSV Read
df = pd.read_csv('info.csv')
# print(df.head())
filtered_df = df[df['Product'] == 'Product A']
print(filtered_df)
filtered_df.to_csv('new_info.csv', index=False)
# ----
data = {
'Name': ['John', 'Anna', 'Peter', 'Linda', 'John'],
'Age': [28, 24, None, 32, 28],
'City': ['New York', None, 'Berlin', 'London', 'New York']
}
df = pd.DataFrame(data)
df.fillna(0, inplace=True)
df.dropna(inplace=True)
df.drop_duplicates(inplace=True)
df['Age'] = df['Age'].astype(int)
grouped = df.groupby('Age').sum()
print(grouped)
Подивитися інший код можна після підписки на проект!Завдання до уроку
Необхідно оформити передплату на проект, щоб отримати доступ до всіх домашніх завдань
Велике завдання за курсом
Вам необхідно оформити передплату на сайті, щоб мати доступ до всіх великих завдань. У завдання входить методика рішення, а також готовий проект з відповіддю до завдання.
PS: подібні завдання доступні при підписці від 1 місяця
Також варто подивитися
