Файл: Библиотеки Python. Pandas. Библиотеки в python Библиотеки для анализа данных.pptx

Библиотеки Python. Pandas.

Библиотеки в python Библиотеки для анализа данных

• Инструменты для обмена данными между структурами в памяти и файлами различных форматов
• Встроенные средства совмещения данных и способы обработки отсутствующей информации
• Переформатирование наборов данных, в том числе создание сводных таблиц
• Срез данных по значениям индекса, расширенные возможности индексирования, выборка из больших наборов данных
• Вставка и удаление столбцов данных
• Слияние и объединение наборов данных

Структуры данных

Series - это структура данных, которая сочетает свойства одномерного массива NumPy и словаря Python, т.е. доступ к каждому элементу может быть получен, либо с помощью индекса, либо с помощью идентификатора (ключа). DataFrame - это объект, который сочетает свойства структурированных массивов NumPy и словарей Python. Самая простая аналогия для DataFrame - это таблица, столбцами которой являются объекты Series.
Основными рабочими структурами данных в Pandas являются объекты Series и DataFrame.

Series

Создание

s = pd.Series([1, 3, 5, np.nan, 6, 8])

Подключение

import numpy as np

import pandas as pd

Использование

series.values series.index

DataFrame

Создание

Подключение

import numpy as np

import pandas as pd

Pandas

Pandas поддерживает операции чтения и записи для: CSV, Excel 2007+, SQL, HTML, JSON и т.д.

Например:

CSV. Используется функция read_csv(). Аргумент file является строкой, в которой записан путь до файла с датасетом. Для записи данных из DataFrame в CSV-файл используется метод to_csv(file).

Excel. Используется функция read_excel(). Для записи данных из DataFrame в Excel-файл используется метод to_excel().

Работа с данными

Обработка дынных

Обработка DataFrame и series

Чтение данных

Чтение данных в машиночитаемом формате

---

Результаты

Построение графиков, сохранение данных

Спасибо за внимание!

---