6 operacji pand dla początkujących

Pandas to biblioteka Pythona o otwartym kodzie źródłowym, używana głównie do manipulacji i analizy danych. Jest zbudowany na bazie biblioteki NumPy i zapewnia wydajne, łatwe w użyciu struktury danych oraz narzędzia do analizy danych dla języka programowania Python.

W tym artykule dowiesz się, jak wykonać 6 podstawowych operacji za pomocą Pand.

Korzystanie z przykładów Pand

Możesz uruchomić przykłady w tym artykule za pomocą notatników obliczeniowych, takich jak Notatnik Jupytera, Współpraca Googleitp. Możesz również uruchomić przykłady, wprowadzając kod bezpośrednio do interpretera Pythona w trybie interaktywnym.

Jeśli chcesz zapoznać się z kompletnym kodem źródłowym użytym w tym artykule, możesz uzyskać dostęp do pliku Python Notebook z tego miejsca Repozytorium GitHub.

1. Jak zaimportować pandy jako pdf i wydrukować numer wersji?

Musisz użyć import słowo kluczowe do importowania dowolnej biblioteki w Pythonie. Pandy są zazwyczaj importowane pod pd Alias. Dzięki takiemu podejściu możesz odnieść się do pakietu Pandy jako pd zamiast pandy.

importuj pandy jako PD
drukuj (pd.__wersja__)

Wyjście:

1.2.4

2. Jak stworzyć serię w Pandach

Seria Pandas to jednowymiarowa tablica, która przechowuje dane dowolnego typu. To jak kolumna w tabeli. Możesz tworzyć serie za pomocą numpy tablic, numpy funkcji, list, słowników, wartości skalarnych itp.

Wartości serii są oznaczone numerem indeksu. Domyślnie pierwsza wartość ma indeks 0, druga wartość ma indeks 1 i tak dalej. Aby nazwać własne etykiety, musisz użyć indeks argument.

Jak stworzyć pustą serię

s = pd. Seria (dtype='float64')
s

Wyjście:

Seria([], typ d: float64)

W powyższym przykładzie pusta seria z pływak tworzony jest typ danych.

Jak stworzyć serię za pomocą NumPy Array

importuj pandy jako PD
importuj numer jako np
d = np. tablica ([1, 2, 3, 4, 5])
s = pd. Seria (d)
s

Wyjście:

0 1
1 2
2 3
3 4
4 5
dtype: int32

Związane z: Operacje NumPy dla początkujących

Jak stworzyć serię za pomocą listy

d = [1, 2, 3, 4, 5]
s = pd. Seria (d)
s

Wyjście:

0 1
1 2
2 3
3 4
4 5
dtype: int64

Jak stworzyć serię z indeksem

Aby utworzyć szereg z indeksem, musisz użyć indeks argument. Liczba indeksów musi być równa liczbie elementów w serii.

d = [1, 2, 3, 4, 5]
s = pd. Seria (d, index=["jeden", "dwa", "trzy", "cztery", "pięć"])
s

Wyjście:

jeden 1
dwa 2
trzy 3
cztery 4
pięć 5
dtype: int64

Jak stworzyć serię za pomocą słownika

Klucze słownika stają się etykietami serii.

d = {"jeden": 1,
"dwa": 2,
„trzy”: 3,
„cztery”: 4,
"pięć": 5}
s = pd. Seria (d)
s

Wyjście:

jeden 1
dwa 2
trzy 3
cztery 4
pięć 5
dtype: int64

Jak utworzyć serię przy użyciu wartości skalarnej

Jeśli chcesz utworzyć szereg przy użyciu wartości skalarnej, musisz podać indeks argument.

s = pd. Seria (1, indeks = ["a", "b", "c", "d"])
s

Wyjście:

1
b 1
c 1
d 1
dtype: int64

3. Jak stworzyć Dataframe w Pandas

DataFrame to dwuwymiarowa struktura danych, w której dane są wyrównane w postaci wierszy i kolumn. DataFrame można utworzyć za pomocą słowników, list, listy słowników, tablic numpy itp. W świecie rzeczywistym ramki DataFrame są tworzone przy użyciu istniejącej pamięci masowej, takiej jak pliki CSV, pliki Excel, bazy danych SQL itp.

Obiekt DataFrame obsługuje wiele atrybutów i metod. Jeśli chcesz dowiedzieć się o nich więcej, zapoznaj się z oficjalną dokumentacją pandy dataframe.

Jak utworzyć pustą ramkę danych?

df = pd. Ramka danych()
drukuj (df)

Wyjście:

Pusta ramka danych
Kolumny: []
Indeks: []

Jak utworzyć ramkę DataFrame za pomocą listy?

listObj = ["MUO", "technologia", "uproszczony"]
df = pd. Ramka danych (listObj)
drukuj (df)

Wyjście:

 0
0 mln zł
1 technologia
2 uproszczone

Jak utworzyć ramkę danych za pomocą słownika ndarray/list

batmanData = {'Nazwa filmu': ['Batman zaczyna', 'Mroczny rycerz', 'Mroczny rycerz powstaje'],
„Rok wydania”: [2005, 2008, 2012]}
df = pd. Ramka danych (batmanData)
drukuj (df)

Wyjście:

 Nazwa filmu Rok wydania
0 Początek Batmana 2005
1 Mroczny Rycerz 2008
2 Mroczny Rycerz Powstaje 2012

Jak utworzyć ramkę DataFrame za pomocą listy list

dane = [['Alex', 601], ['Bob', 602], ['Cataline', 603]]
df = pd. DataFrame (dane, kolumny = ['Nazwa', 'Nr rolki'])
drukuj (df)

Wyjście:

 Nazwa Nr rolki
0 Alex 601
1 Bob 602
2 Katalina 603

Jak utworzyć ramkę danych za pomocą listy słowników

data = [{'Nazwa': 'Alex', 'Nr rolki': 601},
{'Imię': 'Bob', 'Nr rolki': 602},
{'Nazwa': 'Katalina', 'Nr rolki': 603}]
df = pd. Ramka danych (dane)
drukuj (df)

Wyjście:

 Nazwa Nr rolki
0 Alex 601
1 Bob 602
2 Katalina 603

Związane z: Jak przekonwertować listę na słownik w Pythonie?

Jak utworzyć ramkę danych za pomocą funkcji zip()?

Użyj zamek błyskawiczny() funkcja scalania list w Pythonie.

Imię = ['Alex', 'Bob', 'Katalina']
Nr rolki = [601, 602, 603]
listOfTuples = lista (zip (Name, RollNo))
df = pd. DataFrame (listOfTuples, kolumny = ['Nazwa', 'Nr rolki'])
drukuj (df)

Wyjście:

 Nazwa Nr rolki
0 Alex 601
1 Bob 602
2 Katalina 603

4. Jak czytać dane CSV w Pandas

Plik „wartości rozdzielanych przecinkami” (CSV) to rozdzielany plik tekstowy, w którym do oddzielania wartości używa się przecinka. Możesz odczytać plik CSV za pomocą odczyt_csv() metoda u pand. Jeśli chcesz wydrukować całą ramkę DataFrame, użyj przycisku do_ciągu() metoda.

W tym i następnych przykładach to Plik CSV zostaną wykorzystane do wykonania operacji.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
drukuj (df.to_string())

Wyjście:

5. Jak analizować ramki danych za pomocą metod head(), tail() i info()

Jak przeglądać dane za pomocą metody head()?

ten głowa() Metoda jest jednym z najlepszych sposobów uzyskania szybkiego przeglądu DataFrame. Ta metoda zwraca nagłówek i określoną liczbę wierszy, zaczynając od góry.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
nadruk (głowica df (10))

Wyjście:

Jeśli nie określisz liczby wierszy, zostanie zwróconych pierwszych 5 wierszy.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
drukuj (df.head())

Wyjście:

Jak przeglądać dane za pomocą metody tail()?

ten ogon() metoda zwraca nagłówek i określoną liczbę wierszy, zaczynając od dołu.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
nadruk (df.ogon (10))

Wyjście:

Jeśli nie określisz liczby wierszy, zostanie zwróconych 5 ostatnich wierszy.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
drukuj (df.tail())

Wyjście:

Jak uzyskać informacje o danych?

ten informacje() metody zwracają krótkie podsumowanie DataFrame, w tym indeks dtype i dtypes kolumny, wartości inne niż null i użycie pamięci.

df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
drukuj (df.info())

Wyjście:

6. Jak czytać dane JSON w Pandas

JSON (JavaSkrypto Oobiekt notation) to lekki format wymiany danych. Możesz odczytać plik JSON za pomocą read_json() metoda u pand. Jeśli chcesz wydrukować całą ramkę DataFrame, użyj przycisku do_ciągu() metoda.

W poniższym przykładzie to Plik JSON służy do wykonywania operacji.

Związane z: Co to jest JSON? Przegląd laika

df = pd.read_json(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/google_markers.json')
drukuj (df.to_string())

Wyjście:

Odśwież swoją wiedzę o Pythonie dzięki wbudowanym funkcjom i metodom

Funkcje pomagają skrócić kod i poprawić jego wydajność. Funkcje i metody takie jak zmniejszyć(), podział(), wyliczać(), oceń(), okrągły()itp. może sprawić, że Twój kod będzie solidny i łatwy do zrozumienia. Zawsze dobrze jest wiedzieć o wbudowanych funkcjach i metodach, ponieważ mogą one znacznie uprościć zadania programistyczne.

20 funkcji Pythona, które powinieneś znać

Biblioteka standardowa Pythona zawiera wiele funkcji ułatwiających wykonywanie zadań programistycznych. Dowiedz się o najbardziej przydatnych i stwórz bardziej niezawodny kod.

Czytaj dalej

O autorze