Python Tutorial Pandas: DataFrame, Rentang Tanggal & Penggunaannya

Apa itu Panda? Python?

Panda adalah pustaka sumber terbuka yang memungkinkan Anda melakukan manipulasi dan analisis data di Python, mencakup tabel numerik dan deret waktu. Ini menyediakan cara mudah untuk membuat, memanipulasi, dan mengolah data, dan dibangun di atas JumlahPyOleh karena itu, NumPy harus ada agar Pandas dapat beroperasi.

Mengapa menggunakan Panda?

Ilmuwan data memanfaatkan Pandas di Python untuk keuntungan berikut:

• Menangani data yang hilang dengan mudah
• Metode ini menggunakan Series untuk data satu dimensi dan DataFrame untuk data multidimensi.
• Ini memberikan cara yang efisien untuk membagi data
• Ini memberikan cara yang fleksibel untuk menggabungkan, menggabungkan, atau membentuk ulang data
• Ini mencakup perangkat analisis deret waktu yang canggih.

Singkatnya, Pandas menyediakan struktur data yang ampuh dan mudah digunakan, serta cara untuk mengoperasikannya dengan cepat, itulah sebabnya Pandas menjadi andalan sebagian besar pengembang. Python analisis data kerja.

Cara Menginstal Pandas

Pandas disertakan dengan Anaconda dan sebagian besar layanan notebook terkelola, jadi biasanya sudah terinstal. Jika impor gagal, salah satu perintah di bawah ini akan menambahkannya. Lingkungan yang dibangun di Cara memasang TensorFlow juga mengandung Panda.

• pip: pip install pandas
• Anakonda: conda install -c anaconda pandas
• Di dalam a Jupyter buku catatan sel:

import sys
!conda install --yes --prefix {sys.prefix} pandas

Apa itu Bingkai Data Pandas?

Pandas DataFrame adalah struktur data berlabel dua dimensi yang kolomnya dapat menyimpan berbagai tipe data. Ini adalah cara standar untuk menyimpan data dalam format tabel: baris menyimpan observasi dan kolom memberi nama informasi. Misalnya, harga pompa cor beton mini bisa berupa nama kolom dan 2, 3, 4 bisa berupa nilai harga.

Data frame sudah dikenal luas oleh para ahli statistik dan praktisi data lainnya. Gambar di bawah menunjukkan bentuk tersebut — indeks baris berlabel di sisi samping dan kolom bernama di bagian atas.

Apa itu Seri?

Series adalah struktur data satu dimensi. Ia dapat menyimpan tipe data apa pun, seperti bilangan bulat, bilangan pecahan, atau string, dan berguna ketika Anda ingin melakukan komputasi atau mengembalikan array satu dimensi. Secara definisi, Series tidak dapat memiliki banyak kolom; untuk kasus tersebut, gunakan struktur DataFrame.

Konstruktor Pandas Series menerima parameter-parameter berikut:

• Tanggal: dapat berupa daftar, kamus, atau nilai skalar.

pd.Series([1., 2., 3.])

0    1.0
1    2.0
2    3.0
dtype: float64

Anda dapat menambahkan indeks dengan indexIni memberi nama pada baris, dan panjangnya harus sama dengan ukuran kolom.

pd.Series([1., 2., 3.], index=['a', 'b', 'c'])

Di bawah ini Anda membuat Pandas Series dengan nilai yang hilang di baris ketiga. Nilai yang hilang di Python ditampilkan sebagai NaN, dan np.nan dari NumPy menciptakan satu secara artifisial.

pd.Series([1,2,np.nan])

Keluaran

0    1.0
1    2.0
2    NaN
dtype: float64

Buat Bingkai Data Pandas

Anda dapat mengkonversi array NumPy menjadi DataFrame dengan pd.DataFrame()Sebaliknya juga dimungkinkan: untuk mengkonversi DataFrame kembali menjadi array, gunakan np.array(), atau df.to_numpy(), yang direkomendasikan oleh dokumentasi Pandas saat ini.

## Numpy to pandas
import numpy as np
h = [[1,2],[3,4]] 
df_h = pd.DataFrame(h)
print('Data Frame:', df_h)

## Pandas to numpy
df_h_n = np.array(df_h)
print('Numpy array:', df_h_n)
Data Frame:    0  1
0  1  2
1  3  4
Numpy array: [[1 2]
 [3 4]]

Kamus berfungsi sama baiknya sebagai input untuk pd.DataFrame().

dic = {'Name': ["John", "Smith"], 'Age': [30, 40]}
pd.DataFrame(data=dic)

Data Rentang Panda

Pandas memiliki API yang mudah digunakan untuk membuat rentang tanggal, yang menjadi indeks dari deret waktu. Pemanggilan tersebut berbentuk seperti ini:

pd.date_range(start, periods, freq):

• Parameter pertama adalah tanggal mulai
• Parameter kedua adalah jumlah periode (opsional jika tanggal akhir ditentukan)
• Parameter terakhir adalah frekuensi: hari D, bulan M dan tahun Y

## Create date
# Days
dates_d = pd.date_range('20300101', periods=6, freq='D')
print('Day:', dates_d)

Keluaran

Day: DatetimeIndex(['2030-01-01', '2030-01-02', '2030-01-03', '2030-01-04', '2030-01-05', '2030-01-06'], dtype='datetime64[ns]', freq='D')

# Months
dates_m = pd.date_range('20300101', periods=6, freq='M')
print('Month:', dates_m)

Keluaran

Month: DatetimeIndex(['2030-01-31', '2030-02-28', '2030-03-31', '2030-04-30','2030-05-31', '2030-06-30'], dtype='datetime64[ns]', freq='M')

Catatan versi: bulan alias M Kode yang digunakan di atas sudah usang sejak Pandas 2.2 dan dihapus di Pandas 3.0. Pada rilis terbaru, lewati freq='ME' untuk akhir bulan; indeks yang dihasilkan identik.

Memeriksa Data

Anda dapat memeriksa bagian awal atau akhir dari sebuah dataset dengan head() or tail() dipanggil pada DataFrame, seperti yang ditunjukkan oleh contoh Pandas di bawah ini.

Langkah 1) Buat urutan acak dengan NumPy. Urutan tersebut memiliki 4 kolom dan 6 baris.

random = np.random.randn(6,4)

Langkah 2) Kemudian Anda membuat DataFrame menggunakan Pandas.

penggunaan dates_m sebagai indeks, sehingga setiap baris diberi nama yang sesuai dengan tanggal, dan beri nama 4 kolom dengan columns argumen.

# Create data with date
df = pd.DataFrame(random,
                  index=dates_m,
                  columns=list('ABCD'))

Karena np.random.randn() Jika dijalankan tanpa bibit, angka Anda akan berbeda dari yang tercetak di sini. Hubungi np.random.seed(0) Pertama, jika Anda ingin mereproduksi kumpulan data yang tetap.

Langkah 3) Menggunakan fungsi kepala

df.head(3)

Langkah 4) Menggunakan fungsi ekor

df.tail(3)

Langkah 5) Salah satu cara terbaik untuk mendapatkan petunjuk tentang data tersebut adalah... describe()Laporan ini menyajikan jumlah, rata-rata, standar deviasi, nilai minimum, nilai maksimum, dan persentil dari dataset.

df.describe()

Irisan Data

Pengiris (slicing) mengambil sebagian baris atau kolom dari DataFrame. Anda dapat menggunakan nama kolom untuk mengekstrak data.tract satu kolom, seperti yang ditunjukkan contoh Pandas di bawah ini.

## Slice
### Using name
df['A']

2030-01-31   -0.168655
2030-02-28    0.689585
2030-03-31    0.767534
2030-04-30    0.557299
2030-05-31   -1.547836
2030-06-30    0.511551
Freq: M, Name: A, dtype: float64

Untuk memilih beberapa kolom, Anda memerlukan tanda kurung ganda. [[..,..]]Pasangan pertama berarti Anda ingin memilih kolom; pasangan kedua menyatakan kolom mana yang akan dikembalikan.

df[['A', 'B']]

Anda dapat memotong baris dengan titik dua. Kode di bawah ini mengembalikan tiga baris pertama.

### using a slice for row
df[0:3]

The loc Accessor memilih kolom berdasarkan nama. Seperti biasa, nilai sebelum koma mewakili baris dan nilai setelahnya mewakili kolom, dan tanda kurung diperlukan untuk memilih lebih dari satu kolom.

## Multi col
df.loc[:,['A','B']]

Ada metode lain untuk memilih beberapa baris dan kolom. iloc[] menggunakan posisi bilangan bulat alih-alih nama kolom, sehingga kode di bawah ini mengembalikan DataFrame yang sama seperti di atas.

df.iloc[:, :2]

Jatuhkan Kolom

Anda dapat menghapus kolom dengan df.drop(), menyampaikan nama-nama tersebut columns argumen.

df.drop(columns=['A', 'C'])

Rangkaian

Anda dapat menggabungkan dua DataFrame dengan pd.concat()Pertama, buatlah kedua bingkai tersebut.

import numpy as np
df1 = pd.DataFrame({'name': ['John', 'Smith','Paul'],
                     'Age': ['25', '30', '50']},
                    index=[0, 1, 2])
df2 = pd.DataFrame({'name': ['Adam', 'Smith' ],
                     'Age': ['26', '11']},
                    index=[3, 4])  

Kemudian gabungkan semuanya.

df_concat = pd.concat([df1,df2]) 
df_concat

Jatuhkan Duplikat

Ketika sebuah dataset berisi informasi duplikat, drop_duplicates() adalah cara mudah untuk mengecualikan baris yang berulang. df_concat berisi pengamatan duplikat: Smith muncul dua kali di name kolom.

df_concat.drop_duplicates('name')

Urutkan Nilai

Anda dapat mengurutkan bingkai dengan sort_values(). Catat itu Age Dibuat sebagai teks di sini, jadi baris-barisnya diurutkan berdasarkan urutan string.

df_concat.sort_values('Age')

Mengganti Nama Kolom

penggunaan rename() Untuk mengganti nama kolom di Pandas. Pada setiap pasangan, nilai pertama adalah nama kolom saat ini dan nilai kedua adalah nama kolom yang baru.

df_concat.rename(columns={"name": "Surname", "Age": "Age_ppl"})

Referensi Cepat Metode Pandas

Tabel ini memetakan setiap tugas umum ke metode Pandas yang menjalankannya.

Pertanyaan Umum Demo Slot