Python yra plačiai naudojamas kaip duomenų analizės kalba, dėl jos patikimų bibliotekų ir duomenų valdymo įrankių. Tarp šių bibliotekų yra „Pandos“, kurios palengvina duomenų tyrinėjimą ir manipuliavimą bei analizę. naudosime  Pandos  analizuoti duomenų rinkinį, vadinamą  Country-data.csv  iš Kaggle. Dirbdami su šiais duomenimis, mes taip pat pristatome keletą svarbių Pandos sąvokų.

1. Montavimas

Lengviausias būdas įdiegti pandas yra naudoti pip:

   pip   install   pandas   

arba Atsisiųskite jį iš  čia .

2. Duomenų rėmelio kūrimas programoje Pandas

A  DataFrame  yra į lentelę panaši Pandas duomenų struktūra, kurioje duomenys saugomi eilutėse ir stulpeliuose. DataFrame galima sukurti perduodant kelis python serijos objektus į  DataFrame  klasė ( pd.DataFrame() ) naudodami  pd.Series  metodas. Šiame pavyzdyje naudojami du serijos objektai:  s1  kaip pirmoji eilutė ir  s2  kaip antroji eilė.

1 pavyzdys: DataFrame kūrimas iš serijos:

   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  )   

Išvestis:

2 pavyzdys: DataFrame iš sąrašo su tinkintu indeksu ir stulpelių pavadinimais:

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

Išvestis:

3 pavyzdys: DataFrame iš žodyno:

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

Išvestis:

3. Duomenų importavimas naudojant Pandas

Pirmas žingsnis – perskaityti duomenis. Mūsų atveju duomenys saugomi kaip CSV (kableliais atskirtų reikšmių) failas, kuriame kiekviena eilutė atskiriama nauja eilute, o kiekvienas stulpelis – kableliu. Norint dirbti su Python duomenimis, reikia perskaityti csv  failą  į 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   

Išvestis:

 (167 10)  
    4. DataFrames indeksavimas naudojant Pandas    
 
 Pandos suteikia galingas indeksavimo galimybes. „DataFrames“ galite indeksuoti naudodami abu     padėties pagrindu    ir     etikečių pagrindu    metodus.  
 
    Padėties indeksavimas (naudojant        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  ]   
   
    Išvestis:    
          
    Indeksavimas etiketėmis (naudojant        loc         ):    
 
 Indeksuoti galima su etiketėmis naudojant      pandas.DataFrame.loc     metodas, leidžiantis indeksuoti naudojant etiketes, o ne pozicijas.  
 
 Pavyzdžiai:  
 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  ::]   
   
    Išvestis:    
       
  
 Tai, kas išdėstyta aukščiau, nelabai skiriasi nuo df.iloc[0:5:]. Taip yra todėl, kad nors eilučių etiketės gali įgyti bet kokias reikšmes, mūsų eilučių etiketės tiksliai atitinka pozicijas. Tačiau stulpelių etiketės gali palengvinti darbą su duomenimis.  
 
    Pavyzdys:    
 Python   
   # Prints the first 5 rows of Time period   # value    df  .  loc  [:  5    'child_mort'  ]   
   
    Išvestis:    
    
    5. DataFrame Math su pandomis    
 
 „Panda“ leidžia lengviau atlikti matematines operacijas su duomenų rėmeliuose saugomais duomenimis. Veiksmai, kuriuos galima atlikti su pandomis, yra vektorizuoti, tai reiškia, kad jie yra greiti ir automatiškai taikomi visiems elementams nenaudojant kilpų.  
 
    Pavyzdys – stulpelių matematika:    
 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   
   
    Išvestis:    
    
    Statistinės funkcijos pandose:    
 
 Duomenų rėmelių skaičiavimas gali būti atliktas naudojant pandų statistines funkcijas. Galime naudoti tokias funkcijas kaip:  
 
 
  df.sum()    → reikšmių suma  
 
  df.mean()    → vidutinis  
 
  df.max()    /    df.min()    → max ir min vertės  
 
  df.describe()    → greita statistikos santrauka  
 
 Python   
   # computes various summary statistics excluding NaN values   df  .  describe  ()   # Provides sum of all the values for each column   df  .  sum  ()   
   
    Išvestis:    
       
 6. Duomenų vizualizacija su Pandas ir Matplotlib  
 
 Su pandomis labai paprasta naudotis      Matplotlib    galinga biblioteka, naudojama pagrindiniams brėžiniams ir diagramoms kurti. Turėdami tik kelias kodo eilutes, galime vizualizuoti savo duomenis ir juos geriau suprasti. Žemiau pateikiami keli paprasti pavyzdžiai, padėsiantys pradėti braižyti naudojant Pandas ir Matplotlib:  
 Python   
   # Import the library first   import   matplotlib.pyplot   as   plt   
   
    Histograma    
 
 Histograma rodo reikšmių pasiskirstymą stulpelyje.  
 Python   
   df  [  'income'  ]  .  hist  (  bins  =  10  )   plt  .  title  (  'Histogram of Income'  )   plt  .  xlabel  (  'Income Value'  )   plt  .  ylabel  (  'Frequency'  )   plt  .  show  ()   
   
    Išvestis:    
    
    Dėžės sklypas    
 
 A      dėžutės sklypas     yra naudinga norint aptikti nuokrypius ir suprasti duomenų sklaidą.  
 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  ()   
   
    Išvestis:    
    
    Sklaidos brėžinys    
 
 A      sklaidos sklypas     parodo ryšį tarp dviejų kintamųjų.  
 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  ()   
   
    Išvestis:    
    
    Susijęs straipsnis:    
 
 
   Pandos įvadas    
 
   Grafikų braižymas Python    
 
   Darbas su csv failais Python    
 
   Pandas DataFrame    
 
   Įvadas į Matplotlib    
 
   Histograma – apibrėžimų tipų grafikas ir pavyzdžiai    
 
   Dėžės sklypas    
 
   Sklaidos brėžinys    
 
 
  
 
         Sukurti viktoriną