Python נמצא בשימוש נרחב כשפת ניתוח נתונים בשל הספריות והכלים החזקים שלה לניהול נתונים. בין הספריות אלה נמצאת Pandas שמקלה על חקירת נתונים מניפולציה וניתוח יותר יותר. נשתמש  פנדות  לנתח מערך נתונים שנקרא  Country-data.csv  מקאגל. תוך כדי עבודה עם נתונים אלה אנו מציגים גם כמה מושגים חשובים בפנדות.

1. התקנה

הדרך הקלה ביותר להתקין פנדות היא להשתמש ב-pip:

   pip   install   pandas   

או הורד אותו מ  כָּאן .

2. יצירת DataFrame ב-Pandas

א  DataFrame  הוא מבנה נתונים דמוי טבלה ב-Pandas שיש בו נתונים המאוחסנים בשורות ובעמודות. ניתן ליצור DataFrame על ידי העברת אובייקטים מרובים מסדרת python לתוך  DataFrame  כיתה ( pd.DataFrame() ) באמצעות ה  pd.Series  שִׁיטָה. בדוגמה זו נעשה שימוש בשני אובייקטים מסדרה:  s1  בתור השורה הראשונה ו  s2  בתור השורה השנייה.

דוגמה 1: יצירת DataFrame מסדרה:

   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  )   

תְפוּקָה:

דוגמה 2: DataFrame מרשימה עם אינדקס ושמות עמודות מותאמים אישית:

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

תְפוּקָה:

דוגמה 3: DataFrame מתוך מילון:

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

תְפוּקָה:

3. ייבוא ​​נתונים עם פנדות

השלב הראשון הוא לקרוא את הנתונים. במקרה שלנו הנתונים מאוחסנים כקובץ CSV (Comma-Separated Values) כאשר כל שורה מופרדת בשורה חדשה וכל עמודה בפסיק. על מנת להיות מסוגל לעבוד עם הנתונים ב- Python יש צורך לקרוא את ה-csv  קוֹבֶץ  לתוך Pandas DataFrame.

   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   

תְפוּקָה:

 (167 10)  
    4. אינדקס DataFrames עם Pandas    
 
 Pandas מספקת יכולות אינדקס חזקות. אתה יכול לאינדקס DataFrames באמצעות שניהם     מבוסס עמדה    ו     מבוסס תווית    שיטות.  
 
    אינדקס מבוסס מיקום (באמצעות        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  ]   
   
    תְפוּקָה:    
          
    אינדקס מבוסס תוויות (באמצעות        loc         ):    
 
 ניתן לעבוד באינדקס עם תוויות באמצעות ה      pandas.DataFrame.loc     שיטה המאפשרת אינדקס באמצעות תוויות במקום מיקומים.  
 
 דוגמאות:  
 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  ::]   
   
    תְפוּקָה:    
       
  
 האמור לעיל למעשה לא נראה שונה בהרבה מ-df.iloc[0:5:]. הסיבה לכך היא שאמנם תוויות שורות יכולות לקבל כל ערך שתוויות השורות שלנו תואמות את המיקומים בדיוק. אבל תוויות עמודות יכולות להקל הרבה יותר בעבודה עם נתונים.  
 
    דוּגמָה:    
 Python   
   # Prints the first 5 rows of Time period   # value    df  .  loc  [:  5    'child_mort'  ]   
   
    תְפוּקָה:    
    
    5. DataFrame Math עם פנדות    
 
 Pandas מקלה על ביצוע פעולות מתמטיות על הנתונים המאוחסנים במסגרות נתונים. הפעולות שניתן לבצע על פנדות הן וקטוריות כלומר הן מהירות ומוחלות אוטומטית על כל האלמנטים מבלי להשתמש בלולאות.  
 
    דוגמה - מתמטיקה לפי עמודה:    
 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   
   
    תְפוּקָה:    
    
    פונקציות סטטיסטיות בפנדות:    
 
 חישוב מסגרות נתונים יכול להיעשות באמצעות שימוש בפונקציות סטטיסטיות של כלי פנדה. נוכל להשתמש בפונקציות כמו:  
 
 
  df.sum()    → סכום ערכים  
 
  df.mean()    → ממוצע  
 
  df.max()    /    df.min()    → ערכי מקסימום ומינימום  
 
  df.describe()    ← סיכום סטטיסטיקה מהיר  
 
 Python   
   # computes various summary statistics excluding NaN values   df  .  describe  ()   # Provides sum of all the values for each column   df  .  sum  ()   
   
    תְפוּקָה:    
       
 6. הדמיית נתונים עם Pandas ו-Matplotlib  
 
 פנדה קל מאוד לשימוש      Matplotlib    ספרייה רבת עוצמה המשמשת ליצירת עלילות ותרשימים בסיסיים. עם מספר שורות קוד בלבד נוכל לדמיין את הנתונים שלנו ולהבין אותם טוב יותר. להלן כמה דוגמאות פשוטות שיעזרו לך להתחיל בתכנון באמצעות Pandas ו-Matplotlib:  
 Python   
   # Import the library first   import   matplotlib.pyplot   as   plt   
   
    היסטוגרמה    
 
 היסטוגרמה מציגה את התפלגות הערכים בעמודה.  
 Python   
   df  [  'income'  ]  .  hist  (  bins  =  10  )   plt  .  title  (  'Histogram of Income'  )   plt  .  xlabel  (  'Income Value'  )   plt  .  ylabel  (  'Frequency'  )   plt  .  show  ()   
   
    תְפוּקָה:    
    
    עלילת קופסה    
 
 א      עלילת קופסה     שימושי כדי לזהות חריגים ולהבין את התפשטות הנתונים.  
 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  ()   
   
    תְפוּקָה:    
    
    עלילת פיזור    
 
 א      עלילת פיזור     מראה את הקשר בין שני משתנים.  
 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  ()   
   
    תְפוּקָה:    
    
    מאמר קשור:    
 
 
   מבוא לפנדות    
 
   שרטוט גרפים בפייתון    
 
   עבודה עם קבצי csv ב-Python    
 
   Pandas DataFrame    
 
   מבוא ל-Matplotlib    
 
   היסטוגרמה - סוגי הגדרה גרף ודוגמאות    
 
   עלילת קופסה    
 
   עלילת פיזור    
 
 
  
 
         צור חידון