Python jest powszechnie używany jako język analizy danych ze względu na rozbudowane biblioteki i narzędzia do zarządzania danymi. Wśród tych bibliotek znajduje się Pandas, która ułatwia manipulowanie i analizowanie danych. użyjemy  Pandy  do analizy zbioru danych o nazwie  Dane-kraju.csv  z Kaggle'a. Pracując z tymi danymi, wprowadzamy również kilka ważnych pojęć w Pandach.

1. Instalacja

Najłatwiejszym sposobem zainstalowania pand jest użycie pip:

   pip   install   pandas   

lub Pobierz go z  Tutaj .

2. Tworzenie ramki danych w Pandach

A  Ramka danych  to przypominająca tabelę struktura danych w Pandach, która zawiera dane przechowywane w wierszach i kolumnach. Ramkę danych można utworzyć, przekazując wiele obiektów serii Pythona do  DataFrame  klasa ( pd.DataFrame() ) za pomocą  pd.Series  metoda. W tym przykładzie użyte zostały dwa obiekty Series:  s1  jako pierwszy rząd i  s2  jako drugi rząd.

Przykład 1: Tworzenie ramki danych z serii:

   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  )   

Wyjście:

Przykład 2: DataFrame z listy z niestandardowym indeksem i nazwami kolumn:

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

Wyjście:

Przykład 3: DataFrame ze słownika:

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

Wyjście:

3. Importowanie danych za pomocą Pand

Pierwszym krokiem jest odczytanie danych. W naszym przypadku dane są przechowywane w postaci pliku CSV (wartości rozdzielane przecinkami), w którym każdy wiersz jest oddzielony nową linią, a każda kolumna przecinkiem. Aby móc pracować z danymi w Pythonie, należy przeczytać plik CSV  plik  do ramki danych 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   

Wyjście:

 (167 10)  
    4. Indeksowanie ramek danych za pomocą Pand    
 
 Pandas zapewnia zaawansowane możliwości indeksowania. Możesz indeksować ramki danych, używając obu     oparte na pozycji    I     oparte na etykietach    metody.  
 
    Indeksowanie oparte na pozycji (przy użyciu        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  ]   
   
    Wyjście:    
          
    Indeksowanie oparte na etykietach (przy użyciu        loc         ):    
 
 Indeksowanie można wykonywać z etykietami za pomocą metody      pandas.DataFrame.loc     metoda pozwalająca na indeksowanie za pomocą etykiet zamiast pozycji.  
 
 Przykłady:  
 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  ::]   
   
    Wyjście:    
       
  
 Powyższe nie różni się zbytnio od pliku df.iloc[0:5:]. Dzieje się tak, ponieważ chociaż etykiety wierszy mogą przyjmować dowolne wartości, nasze etykiety wierszy dokładnie dopasowują się do pozycji. Jednak etykiety kolumn mogą znacznie ułatwić pracę z danymi.  
 
    Przykład:    
 Python   
   # Prints the first 5 rows of Time period   # value    df  .  loc  [:  5    'child_mort'  ]   
   
    Wyjście:    
    
    5. Matematyka DataFrame z Pandami    
 
 Pandy ułatwiają wykonywanie operacji matematycznych na danych przechowywanych w ramkach danych. Operacje, które można wykonać na pandach, są wektoryzowane, co oznacza, że ​​są szybkie i stosowane automatycznie do wszystkich elementów bez użycia pętli.  
 
    Przykład — matematyka kolumnowa:    
 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   
   
    Wyjście:    
    
    Funkcje statystyczne w Pandach:    
 
 Obliczenia ramek danych można wykonać za pomocą funkcji statystycznych narzędzi pand. Możemy skorzystać z takich funkcji jak:  
 
 
  df.sum()    → suma wartości  
 
  df.mean()    → średnia  
 
  df.max()    /    df.min()    → wartości maksymalne i minimalne  
 
  df.describe()    → szybkie podsumowanie statystyk  
 
 Python   
   # computes various summary statistics excluding NaN values   df  .  describe  ()   # Provides sum of all the values for each column   df  .  sum  ()   
   
    Wyjście:    
       
 6. Wizualizacja danych za pomocą Pand i Matplotlib  
 
 Pandy są bardzo łatwe w użyciu      Matplotlib    potężna biblioteka używana do tworzenia podstawowych wykresów i wykresów. Za pomocą zaledwie kilku linijek kodu możemy zwizualizować nasze dane i lepiej je zrozumieć. Poniżej znajduje się kilka prostych przykładów, które pomogą Ci rozpocząć kreślenie przy użyciu Pand i Matplotlib:  
 Python   
   # Import the library first   import   matplotlib.pyplot   as   plt   
   
    Histogram    
 
 Histogram pokazuje rozkład wartości w kolumnie.  
 Python   
   df  [  'income'  ]  .  hist  (  bins  =  10  )   plt  .  title  (  'Histogram of Income'  )   plt  .  xlabel  (  'Income Value'  )   plt  .  ylabel  (  'Frequency'  )   plt  .  show  ()   
   
    Wyjście:    
    
    Fabuła pudełkowa    
 
 A      fabuła pudełkowa     jest przydatny do wykrywania wartości odstających i zrozumienia rozproszenia danych.  
 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  ()   
   
    Wyjście:    
    
    Wykres rozproszony    
 
 A      działka rozproszona     pokazuje związek między dwiema zmiennymi.  
 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  ()   
   
    Wyjście:    
    
    Powiązany artykuł:    
 
 
   Wprowadzenie do pand    
 
   Rysowanie wykresów w Pythonie    
 
   Praca z plikami CSV w Pythonie    
 
   Ramka danych Pandy    
 
   Wprowadzenie do Matplotliba    
 
   Histogram — wykres typów definicji i przykłady    
 
   Fabuła pudełkowa    
 
   Wykres rozproszony    
 
 
  
 
         Utwórz quiz