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 ):

# 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:

# 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:

# 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:

# 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:

javac nie jest rozpoznawany

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

# 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:

# Import the library first import matplotlib.pyplot as plt 

Histogram

Histogram pokazuje rozkład wartości w kolumnie.

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.

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.

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