Введение в Pandas: основные концепции

• 04.11.2023
• 381
• Библиотеки Python
• Pandas

Pandas — это библиотека Python, специально разработанная для анализа и обработки данных. Она является одной из самых популярных и востребованных библиотек для анализа данных в Python.

Установка

Для установки Pandas вам понадобится инструмент pip, который является пакетным менеджером для Python.

Установка через pip

Откройте терминал или командную строку и выполните следующую команду:

pip install pandas

Установка с помощью Anaconda

Если вы используете дистрибутив Anaconda для Python, то Pandas уже должен быть установлен по умолчанию. В противном случае, вы можете установить Pandas с помощью команды conda:

conda install pandas

Проверка установки

После установки вы можете проверить версию Pandas и убедиться, что установка прошла успешно, запустив интерактивную оболочку Python и введя:

import pandas as pd
print(pd.__version__)

Эта команда должна вывести установленную версию Pandas.

Обновление до последней версии

Если у вас уже установлен Pandas, но вы хотите обновить его до последней версии, вы можете использовать следующую команду:

pip install --upgrade pandas

Или через Anaconda:

conda update pandas

Установка Pandas также установит несколько зависимостей, таких как NumPy, которые необходимы для корректной работы библиотеки.

Основные структуры данных Pandas

Series: одномерный маркированный массив, аналогичный столбцу в таблице.

import pandas as pd

s = pd.Series([1, 3, 5, 7, 9])
print(s)

# 0    1
# 1    3
# 2    5
# 3    7
# 4    9
# dtype: int64

DataFrame: двумерный маркированный массив, представляющий собой таблицу с метками для строк и столбцов.

import pandas as pd

data = {"A": [1, 2, 3], "B": [4, 5, 6]}
df = pd.DataFrame(data)
print(df)

#    A  B
# 0  1  4
# 1  2  5
# 2  3  6

Создание и базовые операции

Методы Pandas позволяют легко просматривать, индексировать и осуществлять базовые операции над данными.

Просмотр данных:

import pandas as pd

data = {"A": [1, 2, 3], "B": [4, 5, 6]}
df = pd.DataFrame(data)
print(df.head(2))  # первые 2 строки
print(df.tail(2))  # последние 2 строки

Индексация и срезы:

import pandas as pd

data = {"A": [1, 2, 3], "B": [4, 5, 6]}
df = pd.DataFrame(data)
print(df['A'])  # выбор столбца A
print(df.iloc[0])  # выбор первой строки

Обработка пропущенных данных

Работа с данными часто предполагает обработку пропущенных значений. Pandas предоставляет методы для обнаружения, исключения или замены пропущенных данных.

Пример:

df = pd.DataFrame({"A": [1, 2, np.nan], "B": [4, np.nan, 6]})
print(df.dropna())  # исключить строки с пропущенными данными
print(df.fillna(value=0))  # заменить пропущенные данные на 0

Операции

Pandas предоставляет широкий спектр операций для выполнения статистического анализа, агрегации данных или применения функций к данным.

Статистика:

data = {"A": [1, 2, 3], "B": [4, 5, 6]}
df = pd.DataFrame(data)
print(df.mean())  # среднее значение по столбцам

# A    2.0
# B    5.0
# dtype: float64

Применение функций:

data = {"A": [1, 2, 3], "B": [4, 5, 6]}
df = pd.DataFrame(data)
print(df.apply(lambda x: x*2))  # умножить все элементы на 2

#    A   B
# 0  2   8
# 1  4  10
# 2  6  12

Объединение данных

В процессе анализа часто требуется объединять данные из разных источников или таблиц. Pandas предоставляет методы для гибкого объединения данных, такие как конкатенация или слияние.

Конкатенация:

df1 = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df2 = pd.DataFrame({"A": [5, 6], "B": [7, 8]})
print(pd.concat([df1, df2]))

#    A  B
# 0  1  3
# 1  2  4
# 0  5  7
# 1  6  8

Слияние:

left = pd.DataFrame({"key": ["key1", "key2"], "A": ["A0", "A1"]})
right = pd.DataFrame({"key": ["key1", "key2"], "B": ["B0", "B1"]})
print(pd.merge(left, right, on="key"))

#     key   A   B
# 0  key1  A0  B0
# 1  key2  A1  B1

Группировка

Группировка — это процесс, который включает в себя один или несколько из следующих шагов: разделение данных на группы по некоторым критериям; применение функции к каждой группе независимо; объединение результатов в структуру данных.

Пример:

df = pd.DataFrame({
    "Animal": ["Dog", "Cat", "Dog", "Cat"],
    "Age": [5, 2, 7, 4]
})
print(df.groupby("Animal").mean())  # средний возраст по типу животного

#         Age
# Animal     
# Cat     3.0
# Dog     6.0

Визуализация

Визуализация данных — ключевой этап в анализе данных. С помощью Pandas вы можете быстро и легко строить графики и диаграммы прямо из ваших данных.

Пример:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({
    "x": [1, 2, 3, 4, 5],
    "y": [5, 4, 3, 2, 1]
})
df.plot(x="x", y="y")
plt.show()

Заключение

Pandas является мощным и гибким инструментом для работы с данными в Python. Он предоставляет все необходимые инструменты для загрузки, обработки, анализа и визуализации данных. Этот обзор дал лишь краткое введение в возможности Pandas, и при погружении в библиотеку вы обнаружите еще больше полезных функций и методов.