Pandas Cheat Sheet for Data Science in Python

Mi az a Pandas Cheat Sheet?

A Pandas könyvtárnak számos funkciója van, de ezek némelyike ​​zavaró néhány ember számára. Itt található egy hasznos forrás, az úgynevezett Python Pandák csalólap. Egyszerűen és tömören elmagyarázza a pandák alapjait.

Akár kezdő vagy, akár tapasztalt a Pandák kezelésében, ez a csalólap hasznos útmutatóként szolgálhat. Számos témát fed le, beleértve a Series és DataFrame adatstruktúrákkal való munkát, az adatok kiválasztását és rendezését, valamint a függvények alkalmazását az adatokra.

Összefoglalva, ez a Panda Python A Cheat Sheet jó forrás mindenkinek, aki többet szeretne megtudni a használatáról Python a Data Science számára. Ez egy praktikus referenciaeszköz. Segíthet javítani a adatelemzési készség és hatékonyabban dolgozhat a Pandákkal.

👉 Töltse le a Cheat Sheet PDF-jét innen

A Pandák fontos funkcióinak magyarázata:

A pandák funkcióinak használatához telepítenie és importálnia kell a pandákat. Ehhez két parancs van:

1. lépés) # Telepítse a Pandákat

Pip install pandák

2. lépés) # Pandák importálása

Pandák importálása pd-ként

Most már elkezdhet dolgozni a Panda funkciókkal. Dolgozunk az adatok manipulálásán, elemzésén és tisztításán. Íme a pandák néhány fontos funkciója.

Pandas adatstruktúrák

Ahogy már megbeszéltük, a Pandáknak két adatstruktúrája van, ezek a Series és a DataFrames. Mindkettő feliratozott tömb, és bármilyen adattípust tartalmazhat. Van Az egyetlen különbség, hogy a Series egy egydimenziós tömb, a DataFrame pedig egy kétdimenziós tömb.

1. Sorozat

Ez egy egydimenziós címkézett tömb. Bármilyen adattípust tartalmazhat.

s = pd.Series([2, -4, 6, 3, None], index=['A', 'B', 'C', 'D', 'E'])

2. DataFrame

Ez egy kétdimenziós címkézett tömb. Bármilyen adattípust és különböző méretű oszlopokat tartalmazhat.

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()

Adatok importálása

A Pandák különféle típusú fájlokat tudnak importálni vagy olvasni a Notebookban.

Íme néhány példa az alábbiakban.

# 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)

Kiválasztás

Az elemeket helyük vagy indexük alapján választhatja ki. Ezekkel a technikákkal kiválaszthat sorokat, oszlopokat és különböző értékeket.

1. Sorozat

# 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]

Kiválasztás logikai indexeléssel és beállítással

1. Pozíció szerint

df.iloc[0, 1]

df.iat[0, 1]

2. Címke szerint

df.loc[[0],  ['Name']]

3. Címke/pozíció szerint

df.loc[2] # Both are same
df.iloc[2]

4. Logikai indexelés

# 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()

Adatok tisztítása

Minden Python adattisztítási csalólap céljából a következő műveleteket hajthatja végre:

• Nevezze át az oszlopokat a rename() metódussal.
• Frissítse az értékeket az at[] vagy iat[] metódussal bizonyos elemek eléréséhez és módosításához.
• Készítsen másolatot egy sorozatról vagy adatkeretről a copy() metódussal.
• Ellenőrizze a NULL értékeket az isnull() metódussal, és dobja el őket a dropna() metódussal.
• Ellenőrizze az ismétlődő értékeket a duplicated() metódussal. Dobja el őket a drop_duplicates() metódussal.
• Cserélje ki a NULL értékeket a fill () metódussal egy megadott értékre.
• Cserélje le az értékeket a csere() metódussal.
• Rendezze az értékeket a sort_values() metódussal.
• Rangsorolja az értékeket a rank() módszerrel.

# 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()

Információk lekérése

Az alábbi műveleteket hajthatja végre az információk lekéréséhez:

• Használja a shape attribútumot a sorok és oszlopok számának megállapításához.
• Használja a head() vagy a tail() metódust az első vagy az utolsó néhány sor mintakénti megszerzéséhez.
• Használja az info(), description() vagy dtypes metódust, hogy információt szerezzen az adattípusról, a számról, az átlagról, a szórásról, a minimum és maximum értékekről.
• Használja a count(), min(), max(), sum(), mean() és median() metódusokat, hogy konkrét statisztikai információkat szerezzen az értékekről.
• Használja a loc[] metódust egy sor megszerzéséhez.
• A groupby() metódussal alkalmazhatja a GROUP BY függvényt hasonló értékek csoportosításához egy DataFrame oszlopában.

1. Alapinformációk

# 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. összefoglalás

# 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()

Funkciók alkalmazása

# 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. Belső adatigazítás

# NA values for indices that don't overlap
s2 = pd.Series([8, -1, 4],  index=['A',  'C',  'D'])
s + s2

2. Számtan Operakitöltési módszerekkel

# Fill values that don't overlap
s.add(s2, fill_value=0)

3. Szűrés, rendezés és csoportosítás

Ezek a következő funkciók használhatók szűrésre, rendezésre és csoportosításra Series és DataFrame szerint.

# 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)

Adatok exportálása

A Pandák különféle formátumokban képesek adatokat exportálni vagy írni. Íme néhány példa az alábbiakban.

# 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()

Panda csalólap Következtetés:

pandák nyílt forráskódú könyvtár Python adathalmazokkal való munkához. Képes adatok elemzésére, tisztítására, feltárására és manipulálására. A pandák a Numpy tetejére épülnek. Más programokkal, mint például a Matplotlib és a scikit-learn. Olyan témákkal foglalkozik, mint az adatszerkezetek, adatkiválasztás, adatok importálása, logikai indexelés, értékek eldobása, rendezés és adattisztítás. A cikkhez elkészítettük a pandák csalólapját is. A Pandas egy könyvtár Python és az adattudomány ezt a könyvtárat használja a pandák adatkereteivel és sorozataival való munkához. Különböző pandaparancsokat tárgyaltunk ebben a cheatsheet-ben.

Colab of Cheat Sheet

Colab gyakorlat fájlom pandákhoz – Panda csalólap – Python a Data Science számára.ipynb