Pandas je Python biblioteka otvorenog koda koja se uglavnom koristi za manipulaciju i analizu podataka. Izgrađen je na vrhu biblioteke NumPy i pruža visoke performanse, jednostavne za korištenje strukture podataka i alate za analizu podataka za programski jezik Python.
U ovom ćete članku naučiti kako izvesti 6 osnovnih operacija pomoću Panda.
Korištenje primjera Panda
Primjere u ovom članku možete pokrenuti pomoću računalnih bilježnica kao što su Jupyter Notebook, Google Colab, itd. Također možete pokrenuti primjere unošenjem koda izravno u Python interpreter u interaktivnom načinu.
Ako želite pogledati kompletan izvorni kod korišten u ovom članku, možete pristupiti datoteci Python Notebook iz ovog GitHub spremište.
1. Kako uvesti Pande kao pd i ispisati broj verzije
Morate koristiti uvoz ključnu riječ za uvoz bilo koje biblioteke u Python. Pande se obično uvoze pod pd alias. Ovim pristupom možete se odnositi na paket Pandas kao pd umjesto pande.
uvoz pande kao pd
ispis (pd.__verzija__)
Izlaz:
1.2.4
2. Kako stvoriti seriju u Pandas
Pandas serija je jednodimenzionalni niz koji sadrži podatke bilo koje vrste. To je kao stupac u tablici. Možete stvoriti niz pomoću numpy nizova, numpy funkcija, popisa, rječnika, skalarnih vrijednosti itd.
Vrijednosti serije označene su njihovim indeksnim brojem. Prema zadanim postavkama, prva vrijednost ima indeks 0, druga vrijednost ima indeks 1 i tako dalje. Da biste imenovali svoje vlastite oznake, trebate koristiti indeks argument.
Kako napraviti praznu seriju
s = pd. Serija (dtype='float64')
s
Izlaz:
Serija([], dtype: float64)
U gornjem primjeru, prazna serija s plutati stvorena je vrsta podataka.
Kako stvoriti seriju pomoću NumPy niza
uvoz pande kao pd
import numpy kao np
d = np.niz([1, 2, 3, 4, 5])
s = pd. Serija (d)
s
Izlaz:
0 1
1 2
2 3
3 4
4 5
dtype: int32
Povezano: NumPy operacije za početnike
Kako stvoriti seriju pomoću popisa
d = [1, 2, 3, 4, 5]
s = pd. Serija (d)
s
Izlaz:
0 1
1 2
2 3
3 4
4 5
dtype: int64
Kako stvoriti seriju s indeksom
Da biste stvorili niz s indeksom, trebate koristiti indeks argument. Broj indeksa mora biti jednak broju elemenata u nizu.
d = [1, 2, 3, 4, 5]
s = pd. Serija (d, indeks=["jedan", "dva", "tri", "četiri", "pet"])
s
Izlaz:
jedan 1
dva 2
tri 3
četiri 4
pet 5
dtype: int64
Kako stvoriti seriju pomoću rječnika
Ključevi rječnika postaju oznake serije.
d = {"jedan": 1,
"dva": 2,
"tri": 3,
"četiri": 4,
"pet": 5}
s = pd. Serija (d)
s
Izlaz:
jedan 1
dva 2
tri 3
četiri 4
pet 5
dtype: int64
Kako stvoriti niz koristeći skalarnu vrijednost
Ako želite stvoriti niz koristeći skalarnu vrijednost, morate navesti indeks argument.
s = pd. Serija (1, indeks = ["a", "b", "c", "d"])
s
Izlaz:
a 1
b 1
c 1
d 1
dtype: int64
3. Kako stvoriti okvir podataka u Pandas
DataFrame je dvodimenzionalna struktura podataka u kojoj su podaci poravnati u obliku redaka i stupaca. DataFrame se može kreirati korištenjem rječnika, popisa, popisa rječnika, numpy nizova itd. U stvarnom svijetu, DataFrames se stvaraju koristeći postojeću pohranu kao što su CSV datoteke, Excel datoteke, SQL baze podataka itd.
Objekt DataFrame podržava brojne atribute i metode. Ako želite saznati više o njima, možete pogledati službenu dokumentaciju pandas dataframe.
Kako stvoriti prazan okvir podataka
df = pd. okvir podataka()
ispis (df)
Izlaz:
Prazan okvir podataka
Stupci: []
Indeks: []
Kako stvoriti DataFrame koristeći popis
listObj = ["MUO", "tehnologija", "pojednostavljeno"]
df = pd. DataFrame (listObj)
ispis (df)
Izlaz:
0
0 MUO
1 tehnologija
2 pojednostavljeno
Kako stvoriti DataFrame koristeći rječnik ndarray/Lists
batmanData = {'Naziv filma': ['Batman počinje', 'The Dark Knight', 'The Dark Knight Rises'],
'Godina izlaska': [2005., 2008., 2012.]}
df = pd. Okvir podataka (batmanData)
ispis (df)
Izlaz:
Naziv filma Godina izdanja
0 Batman počinje 2005
1 Mračni vitez 2008
2 The Dark Knight Rises 2012
Kako stvoriti okvir podataka pomoću popisa popisa
podaci = [['Alex', 601], ['Bob', 602], ['Cataline', 603]]
df = pd. DataFrame (podaci, stupci = ['Naziv', 'Roll No.'])
ispis (df)
Izlaz:
Ime Roll br.
0 Alex 601
1 Bob 602
2 Katalina 603
Kako stvoriti okvir podataka pomoću popisa rječnika
podaci = [{'Ime': 'Alex', 'Roll No.': 601},
{'Ime': 'Bob', 'Roll No.': 602},
{'Naziv': 'Cataline', 'Roll No.': 603}]
df = pd. DataFrame (podaci)
ispis (df)
Izlaz:
Ime Roll br.
0 Alex 601
1 Bob 602
2 Katalina 603
Povezano: Kako pretvoriti popis u rječnik u Pythonu
Kako stvoriti okvir podataka koristeći zip() funkciju
Koristiti zip() funkcija za spajanje popisa u Pythonu.
Ime = ['Alex', 'Bob', 'Cataline']
RollNo = [601, 602, 603]
listOfTuples = popis (zip (Naziv, RollNo))
df = pd. DataFrame (listOfTuples, stupci = ['Naziv', 'Roll No.'])
ispis (df)
Izlaz:
Ime Roll br.
0 Alex 601
1 Bob 602
2 Katalina 603
4. Kako čitati CSV podatke u Pandas
Datoteka "vrijednosti razdvojene zarezom" (CSV) je tekstualna datoteka s razgraničenjima koja koristi zarez za odvajanje vrijednosti. Možete pročitati CSV datoteku pomoću read_csv() metoda u pandama. Ako želite ispisati cijeli DataFrame, upotrijebite to_string() metoda.
U ovom i sljedećim primjerima, ovo CSV datoteka će se koristiti za izvođenje operacija.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.to_string())
Izlaz:
5. Kako analizirati okvire podataka pomoću metoda head(), tail() i info().
Kako pregledati podatke pomoću metode head().
The glava () metoda je jedan od najboljih načina za brzi pregled DataFramea. Ova metoda vraća zaglavlje i određeni broj redaka, počevši od vrha.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.glava (10))
Izlaz:
Ako ne navedete broj redaka, bit će vraćeno prvih 5 redaka.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.head())
Izlaz:
Kako pregledati podatke pomoću metode tail().
The rep() metoda vraća zaglavlje i određeni broj redaka, počevši od dna.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.tail (10))
Izlaz:
Ako ne navedete broj redaka, bit će vraćeno zadnjih 5 redaka.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.tail())
Izlaz:
Kako dobiti informacije o podacima
The info() metode vraćaju kratak sažetak DataFramea uključujući tipove dtype indeksa i stupca, vrijednosti koje nisu nule i korištenje memorije.
df = pd.read_csv(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/biostats.csv')
ispis (df.info())
Izlaz:
6. Kako čitati JSON podatke u Pandas
JSON (JavaScripta Opredmet Notation) je lagani format za razmjenu podataka. Možete pročitati JSON datoteku pomoću read_json() metoda u pandama. Ako želite ispisati cijeli DataFrame, upotrijebite to_string() metoda.
U donjem primjeru, ovo JSON datoteka koristi se za izvođenje operacija.
Povezano: Što je JSON? Laički pregled
df = pd.read_json(' https://raw.githubusercontent.com/Yuvrajchandra/Basic-Operations-Using-Pandas/main/google_markers.json')
ispis (df.to_string())
Izlaz:
Osvježite svoje znanje o Pythonu s ugrađenim funkcijama i metodama
Funkcije pomažu skratiti vaš kod i poboljšati njegovu učinkovitost. Funkcije i metode poput smanjiti(), podjela(), nabrojati(), eval(), krug(), itd. može učiniti vaš kod robusnim i lakim za razumijevanje. Uvijek je dobro znati o ugrađenim funkcijama i metodama jer one mogu u velikoj mjeri pojednostaviti vaše zadatke programiranja.
Python Standard Library sadrži mnoge funkcije koje će vam pomoći u programskim zadacima. Saznajte o najkorisnijima i izradite robusniji kod.
Pročitajte dalje
- Programiranje
- Piton
- Web razvoj
- Programiranje
- Analiza podataka

Yuvraj je student preddiplomskog studija informatike na Sveučilištu u Delhiju u Indiji. On je strastven za Full Stack Web Development. Kad ne piše, istražuje dubinu različitih tehnologija.
Pretplatite se na naše obavijesti
Pridružite se našem biltenu za tehničke savjete, recenzije, besplatne e-knjige i ekskluzivne ponude!
Kliknite ovdje za pretplatu