Pandas jukseark for datavitenskap i Python
Hva er Pandas Cheat Sheet?
Pandas bibliotek har mange funksjoner, men noen av disse er forvirrende for noen mennesker. Vi har her gitt en nyttig ressurs tilgjengelig kalt Python Pandas jukseark. Den forklarer det grunnleggende om Pandas på en enkel og kortfattet måte.
Enten du er nybegynner eller erfaren med Pandas, kan dette juksearket tjene som en nyttig referanseguide. Den dekker en rekke emner, inkludert arbeid med serier og DataFrame-datastrukturer, valg og bestilling av data og bruk av funksjoner på dataene dine.
Oppsummert, denne Pandas Python Cheat Sheet er en god ressurs for alle som ønsker å lære mer om bruk Python for datavitenskap. Det er et praktisk referanseverktøy. Det kan hjelpe deg å forbedre din dataanalyseferdigheter og jobbe mer effektivt med Pandaer.
👉 Last ned PDF av Cheat Sheet her
Forklarer viktige funksjoner i Pandas:
For å begynne å jobbe med pandafunksjoner, må du installere og importere pandaer. Det er to kommandoer for å gjøre dette:
Trinn 1) # Installer Pandas
Pip installer pandaer
Trinn 2) # Importer pandaer
Importer pandaer som pd
Nå kan du begynne å jobbe med Pandas-funksjoner. Vi vil jobbe med å manipulere, analysere og rense dataene. Her er noen viktige funksjoner til pandaer.
Pandas datastrukturer
Som vi allerede har diskutert har Pandas to datastrukturer kalt Series og DataFrames. Begge er merket matriser og kan inneholde alle datatyper. Det er den eneste forskjellen at Series er en endimensjonal matrise, og DataFrame er todimensjonal matrise.
1. Serie
Det er en endimensjonal merket matrise. Den kan inneholde alle typer data.
s = pd.Series([2, -4, 6, 3, None], index=['A', 'B', 'C', 'D', 'E'])
2. DataFrame
Det er en todimensjonal merket matrise. Den kan inneholde alle datatyper og forskjellige størrelser på kolonner.
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()
Importerer data
Pandaer har muligheten til å importere eller lese ulike typer filer i Notebook-en.
Her er noen eksempler gitt nedenfor.
# 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)
utvalg
Du kan velge elementer etter plassering eller indeks. Du kan velge rader, kolonner og distinkte verdier ved å bruke disse teknikkene.
1. Serie
# 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]
Velge etter boolsk indeksering og innstilling
1. Etter posisjon
df.iloc[0, 1] df.iat[0, 1]
2. Etter etikett
df.loc[[0], ['Name']]
3. Etter etikett/posisjon
df.loc[2] # Both are same df.iloc[2]
4. Boolsk indeksering
# 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()
Rengjøring av data
Til Python datarensende jukseark, kan du utføre følgende operasjoner:
- Gi nytt navn til kolonner ved å bruke rename()-metoden.
- Oppdater verdier ved å bruke at[]- eller iat[]-metoden for å få tilgang til og endre spesifikke elementer.
- Lag en kopi av en serie eller dataramme ved å bruke metoden copy().
- Se etter NULL-verdier ved å bruke isnull()-metoden, og slipp dem ved hjelp av dropna()-metoden.
- Se etter dupliserte verdier ved å bruke duplicated()-metoden. Slipp dem ved å bruke drop_duplicates()-metoden.
- Erstatt NULL-verdier ved å bruke fill ()-metoden med en spesifisert verdi.
- Erstatt verdier ved å bruke erstatte()-metoden.
- Sorter verdier ved å bruke sort_values()-metoden.
- Ranger verdier ved å bruke rank()-metoden.
# 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()
Henter informasjon
Du kan utføre disse operasjonene for å hente informasjon:
- Bruk formattributt for å få antall rader og kolonner.
- Bruk metoden head() eller tail() for å få de første eller siste radene som en prøve.
- Bruk metoden info(), describe() eller dtypes for å få informasjon om datatypen, antall, gjennomsnitt, standardavvik, minimums- og maksimumsverdier.
- Bruk metodene count(), min(), max(), sum(), mean() og median() for å få spesifikk statistisk informasjon for verdier.
- Bruk loc[]-metoden for å få en rad.
- Bruk groupby()-metoden for å bruke GROUP BY-funksjonen til å gruppere lignende verdier i en kolonne i en DataFrame.
1. Grunnleggende informasjon
# 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. Sammendrag
# 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()
Bruke funksjoner
# 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. Intern datajustering
# NA values for indices that don't overlap s2 = pd.Series([8, -1, 4], index=['A', 'C', 'D']) s + s2
2. Aritmetikk Operasjoner med fyllmetoder
# Fill values that don't overlap s.add(s2, fill_value=0)
3. Filtrer, sorter og grupper etter
Disse følgende funksjonene kan brukes til å filtrere, sortere og gruppere etter serier og 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)
Eksporterer data
Pandas har muligheten til å eksportere eller skrive data i ulike formater. Her er noen eksempler gitt nedenfor.
# 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 jukseark konklusjon:
pandaer er åpen kildekode-bibliotek i Python for arbeid med datasett. Dens evne til å analysere, rense, utforske og manipulere data. Pandaer er bygget på toppen av Numpy. Den brukes med andre programmer som Matplotlib og Scikit-Lær. Den dekker emner som datastrukturer, datavalg, import av data, boolsk indeksering, slipp av verdier, sortering og datarensing. Vi har også utarbeidet pandas jukseark pdf for artikkel. Pandas er et bibliotek i Python og datavitenskap bruker dette biblioteket for å jobbe med panda-datarammer og serier. Vi har diskutert ulike panda-kommandoer i dette juksearket.
Colab fra Cheat Sheet
Min Colab-treningsfil for pandaer – Pandas jukseark – Python for Data Science.ipynb