Podstawy Pythona: od zmiennej do sprawdzonego raportu w pandas
Przechodzę przez jeden kompletny przykład: wczytanie zamówień, sprawdzenie danych i raport, którego wynik potrafisz wyjaśnić.
Baza wiedzy / Python
Python: pandas i NumPy z przykładami
Najważniejsze metody pandas i NumPy: wczytywanie danych, czyszczenie, łączenie tabel, grupowanie i szeregi czasowe.
100 haseł
Hasła z Pythona dotyczą głównie biblioteki pandas, czyli pracy z tabelami: wczytywania plików, czyszczenia, łączenia, grupowania i szeregów czasowych. Osobne grupy opisują NumPy, na którym pandas się opiera.
pandas zmienia się szybciej niż Excel czy SQL. Część metod, które kiedyś były standardem, została usunięta. Przykładem jest DataFrame.append, zastąpione przez pandas.concat. Jeśli kod z internetu zwraca ostrzeżenie FutureWarning albo błąd, sprawdź wersję biblioteki poleceniem pd.__version__ i porównaj zachowanie z dokumentacją tej wersji.
Jeśli dopiero zaczynasz, przeczytaj najpierw artykuł Podstawy Pythona. Prowadzi od zmiennej do małego raportu w pandas, a hasła z tego działu pomogą Ci potem rozwinąć poszczególne kroki.
pandas: wczytywanie i zapis 8
pandas: struktura i podgląd danych 11
pandas: czyszczenie i typy 14
- pd.isna()
- pd.notna()
- DataFrame.dropna()
- DataFrame.fillna() (zaktualizowane hasło)
- DataFrame.interpolate()
- DataFrame.replace() (zaktualizowane hasło)
- DataFrame.astype()
- pd.to_numeric() (zaktualizowane hasło)
- pd.to_datetime()
- DataFrame.duplicated()
- DataFrame.drop_duplicates() (zaktualizowane hasło)
- pd.unique() (zaktualizowane hasło)
- DataFrame.nunique() (zaktualizowane hasło)
- Series.value_counts()
pandas: wybór, filtrowanie i sortowanie 11
pandas: łączenie i zmiana kształtu 12
pandas: grupowanie i obliczenia 10
pandas: szeregi czasowe i okna 4
NumPy: tworzenie tablic 8
NumPy: kształt i łączenie 10
NumPy: wybór, warunki i obliczenia 12
Brak pasujących haseł. Spróbuj krótszej nazwy albo angielskiego odpowiednika.
Artykuły rozwijające temat
Zmienne, typy danych i operatory w Pythonie: od podstaw do analizy
Dwie zmienne mogą wskazywać tę samą listę, a tekst False może zachować się jak prawda. Pokazuję podstawy Pythona na małym zadaniu z danymi, razem z pułapkami, które psują wynik bez ostrzeżenia.
Czyszczenie danych: pięć kroków, które nie zgubią sensu analizy
Przycisk Usuń duplikaty działa szybko. Odpowiedź na pytanie, co właściwie jest duplikatem, wymaga myślenia. Pokazuję pięć etapów czyszczenia danych oraz sposób sprawdzenia, czy porządki nie zepsuły wyniku.
