Учебное пособие по Python Pandas: DataFrame, диапазон дат, использование Pandas

Что такое панды Python?

Pandas — это библиотека с открытым исходным кодом, которая позволяет выполнять манипуляции с данными и их анализ в Python. Библиотека Pandas Python предлагает манипулирование данными и операции с данными для числовых таблиц и временных рядов. Панды предоставляют простой способ создавать, манипулировать и обрабатывать данные. Он построен поверх NumPy, что означает, что для работы ему нужен NumPy.

Зачем использовать Панды?

Исследователи данных используют Pandas в Python из-за его следующих преимуществ:

• Легко обрабатывает отсутствующие данные
• Он использует Series для одномерной структуры данных и DataFrame для многомерной структуры данных.
• Он обеспечивает эффективный способ нарезки данных
• Он обеспечивает гибкий способ объединения, объединения или изменения формы данных.
• Он включает в себя мощный инструмент временных рядов для работы с

В двух словах, Pandas — полезная библиотека для анализа данных . Его можно использовать для обработки и анализа данных. Pandas предоставляет мощные и простые в использовании структуры данных, а также средства для быстрого выполнения операций с этими структурами.

Как установить Панды?

Теперь в этом руководстве по Python Pandas мы узнаем, как установить Pandas в Python.

Чтобы установить библиотеку Pandas, обратитесь к нашему руководству Как установить TensorFlow . Панды установлены по умолчанию. В удаленном случае панды не установлены-

Вы можете установить Pandas, используя:

• Anaconda: conda install -c anaconda pandas
• В блокноте Jupyter:

import sys
!conda install --yes --prefix {sys.prefix} pandas

Фрейм данных хорошо известен статистикам и другим специалистам по данным.

Ниже изображение фрейма данных Pandas:

Что такое сериал?

Ряд — это одномерная структура данных. Он может иметь любую структуру данных, такую ​​как целое число, число с плавающей запятой и строку. Это полезно, когда вы хотите выполнить вычисление или вернуть одномерный массив. Серия по определению не может иметь несколько столбцов. В последнем случае используйте структуру фрейма данных.

Серия Python Pandas имеет следующие параметры:

• Данные: может быть списком, словарем или скалярным значением.

pd.Series([1., 2., 3.])

0    1.0
1    2.0
2    3.0
dtype: float64

Вы можете добавить индекс с помощью index. Это помогает назвать строки. Длина должна быть равна размеру столбца

pd.Series([1., 2., 3.], index=['a', 'b', 'c'])

Ниже вы создаете серию Pandas с отсутствующим значением для третьих строк. Обратите внимание, что отсутствующие значения в Python помечаются как «NaN». Вы можете использовать numpy для создания отсутствующего значения: np.nan искусственно

pd.Series([1,2,np.nan])

Выход

0    1.0
1    2.0
2    NaN
dtype: float64

Создать Pandas DataFrame

Теперь в этом руководстве Pandas DataFrame мы узнаем, как создать фреймворк данных Python Pandas:

Вы можете преобразовать массив numpy в фрейм данных pandas с помощью pd.Data frame(). Возможно и обратное. Чтобы преобразовать фрейм данных pandas в массив, вы можете использовать np.array()

## Numpy to pandas
import numpy as np
h = [[1,2],[3,4]] 
df_h = pd.DataFrame(h)
print('Data Frame:', df_h)

## Pandas to numpy
df_h_n = np.array(df_h)
print('Numpy array:', df_h_n)
Data Frame:    0  1
0  1  2
1  3  4
Numpy array: [[1 2]
 [3 4]]
Вы также можете использовать словарь для создания фрейма данных Pandas.

dic = {'Name': ["John", "Smith"], 'Age': [30, 40]}
pd.DataFrame(data=dic)

Данные ареала панд

Панды имеют удобный API для создания диапазона дат. Давайте научимся на примерах Python Pandas:

pd.data_range (дата, период, частота):

• Первый параметр — дата начала

• Второй параметр — количество периодов (необязательно, если указана дата окончания)
• Последний параметр — это частота: день: «Д», месяц: «М» и год: «Г».

## Create date
# Days
dates_d = pd.date_range('20300101', periods=6, freq='D')
print('Day:', dates_d)

Выход

Day: DatetimeIndex(['2030-01-01', '2030-01-02', '2030-01-03', '2030-01-04', '2030-01-05', '2030-01-06'], dtype='datetime64[ns]', freq='D')

# Months
dates_m = pd.date_range('20300101', periods=6, freq='M')
print('Month:', dates_m)

Выход

Month: DatetimeIndex(['2030-01-31', '2030-02-28', '2030-03-31', '2030-04-30','2030-05-31', '2030-06-30'], dtype='datetime64[ns]', freq='M')

Проверка данных

Вы можете проверить начало или конец набора данных с помощью head() или tail(), которым предшествует имя фрейма данных panda, как показано в приведенном ниже примере Pandas:

Шаг 1) Создайте случайную последовательность с помощью numpy. Последовательность состоит из 4 столбцов и 6 строк.

random = np.random.randn(6,4)

Шаг 2) Затем вы создаете фрейм данных с помощью pandas.

Используйте date_m в качестве индекса для фрейма данных. Это означает, что каждой строке будет присвоено «имя» или индекс, соответствующий дате.

Наконец, вы даете имя 4 столбцам со столбцами аргументов.

# Create data with date
df = pd.DataFrame(random,
                  index=dates_m,
                  columns=list('ABCD'))

Шаг 3) Использование функции головы

df.head(3)

Шаг 4) Использование хвостовой функции

df.tail(3)

Шаг 5) Отличной практикой для получения представления о данных является использование description(). Он предоставляет количество, среднее, стандартное, минимальное, максимальное и процентиль набора данных.

df.describe()

Данные среза

Последний пункт этого руководства по Python Pandas посвящен тому, как нарезать фрейм данных pandas.

Вы можете использовать имя столбца для извлечения данных в определенном столбце, как показано в приведенном ниже примере Pandas:

## Slice
### Using name
df['A']

2030-01-31   -0.168655
2030-02-28    0.689585
2030-03-31    0.767534
2030-04-30    0.557299
2030-05-31   -1.547836
2030-06-30    0.511551
Freq: M, Name: A, dtype: float64

Чтобы выбрать несколько столбцов, вам нужно использовать две скобки, [[..,..]]

Первая пара скобок означает, что вы хотите выбрать столбцы, вторая пара скобок указывает, какие столбцы вы хотите вернуть.

df[['A', 'B']].

Вы можете разрезать строки с помощью:

Код ниже возвращает первые три строки

### using a slice for row
df[0:3]

Функция loc используется для выбора столбцов по именам. Как обычно, значения перед запятой относятся к строкам, а после — к столбцу. Вам нужно использовать скобки, чтобы выбрать более одного столбца.

## Multi col
df.loc[:,['A','B']]

Есть еще один способ выбрать несколько строк и столбцов в Pandas. Вы можете использовать iloc[]. Этот метод использует индекс вместо имени столбца. Приведенный ниже код возвращает тот же фрейм данных, что и выше.

df.iloc[:, :2]

Удалить столбец

Вы можете удалить столбцы, используя pd.drop()

df.drop(columns=['A', 'C'])

Конкатенация

Вы можете объединить два DataFrame в Pandas. Вы можете использовать pd.concat()

Прежде всего, вам нужно создать два DataFrames. Пока все хорошо, вы уже знакомы с созданием фреймов данных.

import numpy as np
df1 = pd.DataFrame({'name': ['John', 'Smith','Paul'],
                     'Age': ['25', '30', '50']},
                    index=[0, 1, 2])
df2 = pd.DataFrame({'name': ['Adam', 'Smith' ],
                     'Age': ['26', '11']},
                    index=[3, 4])

Наконец, вы объединяете два DataFrame

df_concat = pd.concat ([df1, df2])
df_concat

Drop_duplicates

Если набор данных может содержать дубликаты использования информации, `drop_duplicates` позволяет легко исключить повторяющиеся строки. Вы можете видеть, что `df_concat` имеет повторяющееся наблюдение, `Smith` появляется дважды в столбце `name`.

df_concat.drop_duplicates('name')

Сортировать значения

Вы можете отсортировать значение с помощью sort_values

df_concat.sort_values('Age')

Переименовать: изменение индекса

Вы можете использовать rename для переименования столбца в Pandas. Первое значение — это имя текущего столбца, а второе значение — имя нового столбца.

df_concat.rename(columns={"name": "Surname", "Age": "Age_ppl"})

Резюме

Ниже приводится краткое изложение наиболее полезного метода для науки о данных с Pandas.

Статья является переводом guru99-com