Pandas Cheat Sheet pro Data Science in Python
Co je to Pandas Cheat Sheet?
Knihovna Pandas má mnoho funkcí, ale některé z nich jsou pro některé lidi matoucí. Zde jsme poskytli užitečný dostupný zdroj s názvem Python Cheat Sheet pro pandy. Vysvětluje základy Pandy jednoduchým a stručným způsobem.
Ať už jste začátečník nebo máte zkušenosti s Pandas, tento cheat list může sloužit jako užitečná referenční příručka. Pokrývá řadu témat, včetně práce s datovými strukturami Series a DataFrame, výběru a řazení dat a aplikace funkcí na vaše data.
Stručně řečeno, tyto Pandy Python Cheat Sheet je dobrým zdrojem pro každého, kdo se chce dozvědět více o používání Python pro Data Science. Je to šikovný referenční nástroj. Může vám to pomoci zlepšit vaše dovednosti analýzy dat a pracovat efektivněji s Pandas.
👉 Stáhněte si PDF Cheat Sheet zde
Vysvětlení důležitých funkcí v Pandas:
Chcete-li začít pracovat s funkcemi pandy, musíte pandy nainstalovat a importovat. K tomu slouží dva příkazy:
Krok 1) # Nainstalujte Pandy
Pip nainstalujte pandy
Krok 2) # Importujte pandy
Importujte pandy jako pd
Nyní můžete začít pracovat s funkcemi Pandas. Budeme pracovat na manipulaci, analýze a čištění dat. Zde jsou některé důležité funkce pand.
Datové struktury Pandas
Jak jsme již diskutovali, Pandas má dvě datové struktury nazývané Series a DataFrames. Obě jsou označená pole a mohou obsahovat libovolný datový typ. Jediný rozdíl je v tom, že Series je jednorozměrné pole a DataFrame je dvourozměrné pole.
1. Řada
Je to jednorozměrné označené pole. Může obsahovat jakýkoli typ dat.
s = pd.Series([2, -4, 6, 3, None], index=['A', 'B', 'C', 'D', 'E'])
2. DataFrame
Jedná se o dvourozměrné označené pole. Může obsahovat jakýkoli datový typ a různé velikosti sloupců.
data = {'RollNo' : [101, 102, 75, 99], 'Name' : ['Mithlesh', 'Ram', 'Rudra', 'Mithlesh'], 'Course' : ['Nodejs', None, 'Nodejs', 'JavaScript'] } df = pd.DataFrame(data, columns=['RollNo', 'Name', 'Course']) df.head()
Import dat
Pandy mají schopnost importovat nebo číst různé typy souborů ve vašem notebooku.
Zde je několik příkladů uvedených níže.
# Import a CSV file pd pd.read_csv(filename) # Import a TSV file pd.read_table(filename) # Import a Excel file pd pd.read_excel(filename) # Import a SQL table/database pd.read_sql(query, connection_object) # Import a JSON file pd.read_json(json_string) # Import a HTML file pd.read_html(url) # From clipboard to read_table() pd.read_clipboard() # From dict pd.DataFrame(dict)
Výběr
Prvky můžete vybrat podle jejich umístění nebo indexu. Pomocí těchto technik můžete vybrat řádky, sloupce a odlišné hodnoty.
1. Řada
# Accessing one element from Series s['D'] # Accessing all elements between two given indices s['A':'C'] # Accessing all elements from starting till given index s[:'C'] # Accessing all elements from given index till end s['B':]
2. DataFrame
# Accessing one column df df['Name'] # Accessing rows from after given row df[1:] # Accessing till before given row df[:1] # Accessing rows between two given rows df[1:2]
Výběr podle logického indexování a nastavení
1. Podle pozice
df.iloc[0, 1] df.iat[0, 1]
2. Podle štítku
df.loc[[0], ['Name']]
3. Podle štítku/pozice
df.loc[2] # Both are same df.iloc[2]
4. Booleovské indexování
# Series s where value is > 1 s[(s > 0)] # Series s where value is <-2 or >1 s[(s < -2) | ~(s > 1)] # Use filter to adjust DataFrame df[df['RollNo']>100] # Set index a of Series s to 6 s['D'] = 10 s.head()
Čištění dat
Pro Python pro účely cheatů pro čištění dat můžete provádět následující operace:
- Přejmenujte sloupce pomocí metody rename().
- Aktualizujte hodnoty pomocí metody at[] nebo iat[] pro přístup ke konkrétním prvkům a jejich úpravu.
- Vytvořte kopii série nebo datového rámce pomocí metody copy().
- Zkontrolujte hodnoty NULL pomocí metody isnull() a zrušte je pomocí metody dropna().
- Zkontrolujte duplicitní hodnoty pomocí metody duplicated(). Zrušte je pomocí metody drop_duplicates().
- Nahraďte hodnoty NULL pomocí metody fill () zadanou hodnotou.
- Nahraďte hodnoty pomocí metody replace() .
- Seřaďte hodnoty pomocí metody sort_values().
- Seřaďte hodnoty pomocí metody rank().
# Renaming columns df.columns = ['a','b','c'] df.head() # Mass renaming of columns df = df.rename(columns={'RollNo': 'ID', 'Name': 'Student_Name'}) # Or use this edit in same DataFrame instead of in copy df.rename(columns={'RollNo': 'ID', 'Name': 'Student_Name'}, inplace=True) df.head() # Counting duplicates in a column df.duplicated(subset='Name') # Removing entire row that has duplicate in given column df.drop_duplicates(subset=['Name']) # You can choose which one keep - by default is first df.drop_duplicates(subset=['Name'], keep='last') # Checks for Null Values s.isnull() # Checks for non-Null Values - reverse of isnull() s.notnull() # Checks for Null Values df df.isnull() # Checks for non-Null Values - reverse of isnull() df.notnull() # Drops all rows that contain null values df.dropna() # Drops all columns that contain null values df.dropna(axis=1) # Replaces all null values with 'Guru99' df.fillna('Guru99') # Replaces all null values with the mean s.fillna(s.mean()) # Converts the datatype of the Series to float s.astype(float) # Replaces all values equal to 6 with 'Six' s.replace(6,'Six') # Replaces all 2 with 'Two' and 6 with 'Six' s.replace([2,6],['Two','Six']) # Drop from rows (axis=0) s.drop(['B', 'D']) # Drop from columns(axis=1) df.drop('Name', axis=1) # Sort by labels with axis df.sort_index() # Sort by values with axis df.sort_values(by='RollNo') # Ranking entries df.rank() # s1 is pointing to same Series as s s1 = s # s_copy of s, but not pointing same Series s_copy = s.copy() # df1 is pointing to same DataFrame as df df1 = s # df_copy of df, but not pointing same DataFrame df_copy = df.copy()
Načítání informací
Chcete-li získat informace, můžete provést tyto operace:
- Pomocí atributu tvar získáte počet řádků a sloupců.
- Pomocí metody head() nebo tail() získáte prvních nebo posledních několik řádků jako vzorek.
- K získání informací o datovém typu, počtu, průměru, směrodatné odchylce, minimálních a maximálních hodnotách použijte metodu info(), description() nebo dtypes.
- Pomocí metod count(), min(), max(), sum(), mean() a medián() získáte specifické statistické informace o hodnotách.
- K získání řádku použijte metodu loc[].
- Pomocí metody groupby() použijte funkci GROUP BY k seskupení podobných hodnot ve sloupci DataFrame.
1. Základní informace
# Counting all elements in Series len(s) # Counting all elements in DataFrame len(df) # Prints number of rows and columns in dataframe df.shape # Prints first 10 rows by default, if no value set df.head(10) # Prints last 10 rows by default, if no value set df.tail(10) # For counting non-Null values column-wise df.count() # For range of index df df.index # For name of attributes/columns df.columns # Index, Data Type and Memory information df.info() # Datatypes of each column df.dtypes # Summary statistics for numerical columns df.describe()
2. Shrnutí
# For adding all values column-wise df.sum() # For min column-wise df.min() # For max column-wise df.max() # For mean value in number column df.mean() # For median value in number column df.median() # Count non-Null values s.count() # Count non-Null values df.count() # Return Series of given column df['Name'].tolist() # Name of columns df.columns.tolist() # Creating subset df[['Name', 'Course']] # Return number of values in each group df.groupby('Name').count()
Použití funkcí
# Define function f = lambda x: x*5 # Apply this function on given Series - For each value s.apply(f) # Apply this function on given DataFrame - For each value df.apply(f)
1. Vnitřní zarovnání dat
# NA values for indices that don't overlap s2 = pd.Series([8, -1, 4], index=['A', 'C', 'D']) s + s2
2. Aritmetika Operas metodami výplně
# Fill values that don't overlap s.add(s2, fill_value=0)
3. Filtr, řazení a seskupování
Tyto následující funkce lze použít pro filtrování, řazení a seskupování podle Series a DataFrame.
# Filter rows where column is greater than 100 df[df['RollNo']>100] # Filter rows where 70 < column < 101 df[(df['RollNo'] > 70) & (df['RollNo'] < 101)] # Sorts values in ascending order s.sort_values() # Sorts values in descending order s.sort_values(ascending=False) # Sorts values by RollNo in ascending order df.sort_values('RollNo') # Sorts values by RollNo in descending order df.sort_values('RollNo', ascending=False)
Export dat
Pandas má možnost exportovat nebo zapisovat data v různých formátech. Níže uvádíme několik příkladů.
# Export as a CSV file df df.to_csv(filename) # Export as a Excel file df df.to_excel(filename) # Export as a SQL table df df.to_sql(table_name, connection_object) # Export as a JSON file df.to_json(filename) # Export as a HTML table df.to_html(filename) # Write to the clipboard df.to_clipboard()
Pandas Cheat Sheet Závěr:
Pandy je knihovna s otevřeným zdrojovým kódem Python pro práci s datovými sadami. Jeho schopnost analyzovat, čistit, zkoumat a manipulovat s daty. Pandas je postavena na vrcholu Numpy. Používá se s jinými programy, jako je Matplotlib a scikit-učit se. Pokrývá témata, jako jsou datové struktury, výběr dat, import dat, logické indexování, vypouštění hodnot, řazení a čištění dat. K článku jsme také připravili cheat sheet pdf pro pandy. Pandy jsou knihovnou Python a datová věda používá tuto knihovnu pro práci s datovými snímky a sériemi pandas. V tomto cheatsheetu jsme probrali různé příkazy pandy.
Colab of Cheat Sheet
Můj soubor cvičení Colab pro Pandy – Cheat Sheet pro pandy – Python pro Data Science.ipynb