Python è ampiamente utilizzato come linguaggio di analisi dei dati grazie alle sue robuste librerie e strumenti per la gestione dei dati. Tra queste librerie c'è Pandas che semplifica la manipolazione e l'analisi dei dati. useremo  Panda  per analizzare un set di dati chiamato  Dati-paese.csv  da Kaggle. Mentre lavoriamo con questi dati introduciamo anche alcuni concetti importanti in Pandas.

1. Installazione

Il modo più semplice per installare Panda è usare pip:

   pip   install   pandas   

o scaricalo da  Qui .

2. Creazione di un DataFrame in Panda

UN  DataFrame  è una struttura dati simile a una tabella in Panda che contiene dati archiviati in righe e colonne. Un DataFrame può essere creato passando più oggetti della serie Python nel file  DataFrame  classe ( pd.DataFrame() ) utilizzando il  pd.Series  metodo. In questo esempio vengono utilizzati due oggetti Series:  s1  come la prima riga e  s2  come seconda riga.

Esempio 1: creazione di DataFrame dalla serie:

   import   pandas   as   pd   # Creating two Series: s1 (numbers) and s2 (names)   s1   =   pd  .  Series  ([  1     2  ])   s2   =   pd  .  Series  ([  'Ashish'     'Sid'  ])   # Creating DataFrame by combining Series as rows   dataframe   =   pd  .  DataFrame  ([  s1     s2  ])   # Displaying the DataFrame   print  (  dataframe  )   

Produzione:

Esempio 2: DataFrame da un elenco con indice personalizzato e nomi di colonna:

   dataframe1   =   pd  .  DataFrame  ([[  1     2  ]   [  'Ashish'     'Sid'  ]]   index  =  [  'r1'     'r2'  ]   columns  =  [  'c1'     'c2'  ])   print  (  dataframe1  )   

Produzione:

Esempio 3: DataFrame da un dizionario:

   dataframe2   =   pd  .  DataFrame  ({   'c1'  :   [  1     'Ashish'  ]   'c2'  :   [  2     'Sid'  ]   })   print  (  dataframe2  )   

Produzione:

3. Importazione di dati con Panda

Il primo passo è leggere i dati. Nel nostro caso i dati vengono archiviati come file CSV (Comma-Separated Values) in cui ogni riga è separata da una nuova riga e ogni colonna da una virgola. Per poter lavorare con i dati in Python è necessario leggere il csv  file  in un DataFrame Pandas.

   import   pandas   as   pd   # Read Country-data.csv into a DataFrame   df   =   pd  .  read_csv  (  'Country-data.csv'  )   # Prints the first 5 rows of a DataFrame as default   df  .  head  ()   # Prints no. of rows and columns of a DataFrame   df  .  shape   

Produzione:

 (167 10)  
    4. Indicizzazione di DataFrames con Panda    
 
 Pandas offre potenti funzionalità di indicizzazione. Puoi indicizzare DataFrames utilizzando entrambi     basato sulla posizione    E     basato sull'etichetta    metodi.  
 
    Indicizzazione basata sulla posizione (utilizzando        iloc         ):    
 Python   
   # prints first 5 rows and every column which replicates df.head()   df  .  iloc  [  0  :  5  :]   # prints entire rows and columns   df  .  iloc  [::]   # prints from 5th rows and first 5 columns   df  .  iloc  [  5  ::  5  ]   
   
    Produzione:    
          
    Indicizzazione basata su etichette (utilizzando        loc         ):    
 
 L'indicizzazione può essere eseguita con le etichette utilizzando il file      pandas.DataFrame.loc     metodo che consente di indicizzare utilizzando etichette anziché posizioni.  
 
 Esempi:  
 Python   
   # prints first five rows including 5th index and every columns of df   df  .  loc  [  0  :  5  :]   # prints from 5th rows onwards and entire columns   df  .  loc  [  5  ::]   
   
    Produzione:    
       
  
 Quanto sopra in realtà non sembra molto diverso da df.iloc[0:5:]. Questo perché mentre le etichette di riga possono assumere qualsiasi valore, le nostre etichette di riga corrispondono esattamente alle posizioni. Ma le etichette delle colonne possono rendere le cose molto più semplici quando si lavora con i dati.  
 
    Esempio:    
 Python   
   # Prints the first 5 rows of Time period   # value    df  .  loc  [:  5    'child_mort'  ]   
   
    Produzione:    
    
    5. Matematica DataFrame con Panda    
 
 Pandas semplifica l'esecuzione di operazioni matematiche sui dati archiviati nei dataframe. Le operazioni che possono essere eseguite sui panda sono vettorializzate, quindi sono veloci e si applicano automaticamente a tutti gli elementi senza utilizzare loop.  
 
    Esempio - Matematica per colonne:    
 Python   
   # Adding 5 to every element in column A   df  [  'child_mort'  ]   =   df  [  'child_mort'  ]   +   5   # Multiplying values in column B by 10   df  [  'exports'  ]   =   df  [  'exports'  ]   *   10   df   
   
    Produzione:    
    
    Funzioni statistiche nei Panda:    
 
 Il calcolo dei frame di dati può essere eseguito utilizzando le funzioni statistiche degli strumenti Panda. Possiamo utilizzare funzioni come:  
 
 
  df.sum()    → somma di valori  
 
  df.mean()    → nella media  
 
  df.max()    /    df.min()    → valori massimi e minimi  
 
  df.describe()    → riepilogo rapido delle statistiche  
 
 Python   
   # computes various summary statistics excluding NaN values   df  .  describe  ()   # Provides sum of all the values for each column   df  .  sum  ()   
   
    Produzione:    
       
 6. Visualizzazione dei dati con Panda e Matplotlib  
 
 Pandas è molto facile da usare      Matplotlib    una potente libreria utilizzata per creare grafici e grafici di base. Con solo poche righe di codice possiamo visualizzare i nostri dati e comprenderli meglio. Di seguito sono riportati alcuni semplici esempi per aiutarti a iniziare a tracciare utilizzando Panda e Matplotlib:  
 Python   
   # Import the library first   import   matplotlib.pyplot   as   plt   
   
    Istogramma    
 
 Un istogramma mostra la distribuzione dei valori in una colonna.  
 Python   
   df  [  'income'  ]  .  hist  (  bins  =  10  )   plt  .  title  (  'Histogram of Income'  )   plt  .  xlabel  (  'Income Value'  )   plt  .  ylabel  (  'Frequency'  )   plt  .  show  ()   
   
    Produzione:    
    
    Trama a scatola    
 
 UN      trama a scatola     è utile per rilevare valori anomali e comprendere la diffusione dei dati.  
 Python   
   df   =   df  .  head  (  10  )   plt  .  figure  (  figsize  =  (  20     6  ))   # Increase width to make x-axis labels clearer   df  .  boxplot  (  column  =  'imports'     by  =  'country'  )   plt  .  title  (  'Boxplot by Country'  )   plt  .  suptitle  (  ''  )   # Removes default title   plt  .  xlabel  (  'Country'  )   plt  .  ylabel  (  'Imports'  )   plt  .  xticks  (  rotation  =  45  )   # Optional: Rotate x-axis labels for better visibility   plt  .  tight_layout  ()   # Adjust layout to avoid clipping   plt  .  show  ()   
   
    Produzione:    
    
    Grafico a dispersione    
 
 UN      grafico a dispersione     mostra la relazione tra due variabili.  
 Python   
   x   =   df  [  'health'  ]   y   =   df  [  'life_expec'  ]   plt  .  scatter  (  x     y     label  =  'Data Points'     color  =  'm'     marker  =  '*'     s  =  30  )   plt  .  xlabel  (  'Health'  )   plt  .  ylabel  (  'Life Expectancy'  )   plt  .  title  (  'Scatter Plot of Health vs Life Expectancy'  )   plt  .  legend  ()   plt  .  show  ()   
   
    Produzione:    
    
    Articolo correlato:    
 
 
   Introduzione ai panda    
 
   Tracciare grafici in Python    
 
   Lavorare con file CSV in Python    
 
   Panda DataFrame    
 
   Introduzione a Matplotlib    
 
   Istogramma - Tipi di definizione Grafico ed esempi    
 
   Trama a scatola    
 
   Grafico a dispersione    
 
 
  
 
         Crea quiz