Python je široko používaný ako jazyk analýzy údajov vďaka jeho obsiahlym knižniciam a nástrojom na správu údajov. Medzi tieto knižnice patrí Pandas, ktorá uľahčuje manipuláciu s prieskumom údajov a analýzu. budeme používať  pandy  na analýzu súboru údajov tzv  Country-data.csv  od Kaggle. Pri práci s týmito údajmi tiež predstavíme niektoré dôležité koncepty v Pandas.

1. Inštalácia

Najjednoduchší spôsob, ako nainštalovať pandy, je použiť pip:

pip install pandas 

alebo si ho stiahnite z  tu .

2. Vytvorenie dátového rámca v Pandas

A  DataFrame  je dátová štruktúra podobná tabuľke v Pandas, ktorá má dáta uložené v riadkoch a stĺpcoch. DataFrame je možné vytvoriť odovzdaním viacerých objektov python Series do DataFrame trieda ( pd.DataFrame() ) pomocou  pd.Series  metóda. V tomto príklade sú použité dva objekty radu: s1 ako prvý riadok a s2 ako druhý rad.

Príklad 1: Vytvorenie dátového rámca zo série:

import pandas as pd # Creating two Series: s1 (numbers) and s2 (names) s1 = pd.Series([1 2]) s2 = pd.Series(['Ashish' 'Sid']) # Creating DataFrame by combining Series as rows dataframe = pd.DataFrame([s1 s2]) # Displaying the DataFrame print(dataframe) 

výstup:

Príklad 2: DataFrame zo zoznamu s vlastným indexom a názvami stĺpcov:

dataframe1 = pd.DataFrame([[1 2] ['Ashish' 'Sid']] index=['r1' 'r2'] columns=['c1' 'c2']) print(dataframe1) 

výstup:

Príklad 3: DataFrame zo slovníka:

dataframe2 = pd.DataFrame({ 'c1': [1 'Ashish'] 'c2': [2 'Sid'] }) print(dataframe2) 

výstup:

3. Import údajov pomocou Pandy

Prvým krokom je načítanie údajov. V našom prípade sú údaje uložené ako súbor CSV (Comma-Separated Values), kde každý riadok je oddelený novým riadkom a každý stĺpec čiarkou. Aby bolo možné pracovať s údajmi v Pythone, je potrebné prečítať csv  súbor  do Pandas DataFrame.

import pandas as pd # Read Country-data.csv into a DataFrame df = pd.read_csv('Country-data.csv') # Prints the first 5 rows of a DataFrame as default df.head() # Prints no. of rows and columns of a DataFrame df.shape 

výstup:

(167 10)

4. Indexovanie dátových rámov s Pandas

Pandas poskytuje výkonné možnosti indexovania. DataFrames môžete indexovať pomocou oboch na základe polohy a na základe štítkov metódy.

Indexovanie na základe pozície (pomocou iloc ):

# prints first 5 rows and every column which replicates df.head() df.iloc[0:5:] # prints entire rows and columns df.iloc[::] # prints from 5th rows and first 5 columns df.iloc[5::5] 

výstup:

Indexovanie založené na štítkoch (pomocou loc ):

S indexovaním je možné pracovať s menovkami pomocou  pandas.DataFrame.loc  metóda, ktorá umožňuje indexovanie pomocou štítkov namiesto pozícií.

Príklady:

# prints first five rows including 5th index and every columns of df df.loc[0:5:] # prints from 5th rows onwards and entire columns df.loc[5::] 

výstup:

Vyššie uvedené sa v skutočnosti veľmi nelíši od df.iloc[0:5:]. Je to preto, že zatiaľ čo označenia riadkov môžu nadobudnúť akékoľvek hodnoty, naše označenia riadkov sa presne zhodujú s pozíciami. Štítky stĺpcov však môžu prácu s údajmi značne zjednodušiť.

Príklad:

# Prints the first 5 rows of Time period # value  df.loc[:5'child_mort'] 

výstup:

5. DataFrame Math s Pandas

Pandas uľahčuje vykonávanie matematických operácií s údajmi uloženými v dátových rámcoch. Operácie, ktoré možno vykonávať na pandách, sú vektorizované, čo znamená, že sú rýchle a aplikujú sa automaticky na všetky prvky bez použitia slučiek.

Príklad – stĺpcová matematika:

# Adding 5 to every element in column A df['child_mort'] = df['child_mort'] + 5 # Multiplying values in column B by 10 df['exports'] = df['exports'] * 10 df 

výstup:

Štatistické funkcie v Pandách:

čo je awt

Výpočet dátových rámcov je možné vykonať pomocou štatistických funkcií nástrojov pandas. Môžeme použiť funkcie ako:

• df.sum() → súčet hodnôt
• df.mean() → priemer
• df.max() / df.min() → maximálne a minimálne hodnoty
• df.describe() → rýchly súhrn štatistík

# computes various summary statistics excluding NaN values df.describe() # Provides sum of all the values for each column df.sum() 

výstup:

6. Vizualizácia dát pomocou Pandas a Matplotlib

Používanie Pandy je veľmi jednoduché  Matplotlib výkonná knižnica používaná na vytváranie základných grafov a grafov. Len s niekoľkými riadkami kódu dokážeme vizualizovať naše údaje a lepšie im porozumieť. Nižšie je uvedených niekoľko jednoduchých príkladov, ktoré vám pomôžu začať s vykresľovaním pomocou Pandas a Matplotlib:

# Import the library first import matplotlib.pyplot as plt 

Histogram

Histogram zobrazuje rozdelenie hodnôt v stĺpci.

df['income'].hist(bins=10) plt.title('Histogram of Income') plt.xlabel('Income Value') plt.ylabel('Frequency') plt.show() 

výstup:

Krabicový pozemok

A  krabicová zápletka  je užitočný na zistenie odľahlých hodnôt a pochopenie šírenia údajov.

df = df.head(10) plt.figure(figsize=(20 6)) # Increase width to make x-axis labels clearer df.boxplot(column='imports' by='country') plt.title('Boxplot by Country') plt.suptitle('') # Removes default title plt.xlabel('Country') plt.ylabel('Imports') plt.xticks(rotation=45) # Optional: Rotate x-axis labels for better visibility plt.tight_layout() # Adjust layout to avoid clipping plt.show() 

výstup:

Bodový graf

A  bodový graf  ukazuje vzťah medzi dvoma premennými.

x = df['health'] y = df['life_expec'] plt.scatter(x y label='Data Points' color='m' marker='*' s=30) plt.xlabel('Health') plt.ylabel('Life Expectancy') plt.title('Scatter Plot of Health vs Life Expectancy') plt.legend() plt.show() 

výstup:

Súvisiaci článok:

• Predstavenie pandy
• Vykresľovanie grafov v Pythone
• Práca so súbormi csv v Pythone
• DataFrame Pandas
• Úvod do Matplotlib
• Histogram - Definícia typov Graf a príklady
• Krabicový pozemok
• Bodový graf