Python je široce používán jako jazyk pro analýzu dat díky svým robustním knihovnám a nástrojům pro správu dat. Mezi tyto knihovny patří Pandas, které usnadňují manipulaci s průzkumem dat a analýzu. budeme používat  pandy  k analýze datové sady tzv  Země-data.csv  od Kaggle. Při práci s těmito daty také zavádíme některé důležité koncepty v Pandas.

1. Instalace

Nejjednodušší způsob, jak nainstalovat pandy, je použít pip:

pip install pandas 

nebo si jej stáhněte z  zde .

2. Vytvoření datového rámce v Pandas

A  DataFrame  je datová struktura podobná tabulce v Pandas, která má data uložená v řádcích a sloupcích. DataFrame lze vytvořit předáním více objektů python Series do DataFrame třída ( pd.DataFrame() ) pomocí  pd.Series  metoda. V tomto příkladu jsou použity dva objekty Series: s1 jako první řada a s2 jako druhá řada.

Příklad 1: Vytvoření DataFrame ze 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:

Příklad 2: DataFrame ze seznamu s vlastním indexem a názvy sloupců:

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

výstup:

Příklad 3: DataFrame ze slovníku:

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

výstup:

3. Import dat pomocí Pandas

Prvním krokem je načtení dat. V našem případě jsou data uložena jako soubor CSV (Comma-Separated Values), kde je každý řádek oddělen novým řádkem a každý sloupec čárkou. Aby bylo možné s daty v Pythonu pracovat, je potřeba načíst csv  soubor  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. Indexování datových rámců pomocí Pandas

Pandas poskytuje výkonné možnosti indexování. DataFrames můžete indexovat pomocí obou na základě polohy a na základě štítků metody.

Indexování na základě pozice (pomocí 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:

Indexování na základě štítků (pomocí loc ):

S indexováním lze pracovat se štítky pomocí  pandas.DataFrame.loc  metoda, která umožňuje indexovat pomocí štítků místo pozic.

Příklady:

# 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:

Výše uvedené se ve skutečnosti příliš neliší od df.iloc[0:5:]. Je to proto, že zatímco popisky řádků mohou nabývat libovolných hodnot, naše štítky řádků přesně odpovídají pozicím. Ale popisky sloupců mohou práci s daty značně usnadnit.

Příklad:

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

výstup:

5. DataFrame Math s Pandas

Pandas usnadňuje provádění matematických operací s daty uloženými v datových rámcích. Operace, které lze na pandách provádět, jsou vektorizované, což znamená, že jsou rychlé a aplikují se automaticky na všechny prvky bez použití smyček.

Příklad – sloupcová 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:

Statistické funkce v Pandas:

alter add column oracle

Výpočet datových rámců lze provést pomocí statistických funkcí nástrojů pandas. Můžeme použít funkce jako:

• df.sum() → součet hodnot
• df.mean() → průměr
• df.max() / df.min() → maximální a minimální hodnoty
• df.describe() → rychlý souhrn statistik

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

výstup:

6. Vizualizace dat pomocí Pandas a Matplotlib

Pandas se velmi snadno používá  Matplotlib výkonná knihovna používaná pro vytváření základních grafů a grafů. Pomocí několika řádků kódu můžeme vizualizovat naše data a lépe jim porozumět. Níže uvádíme několik jednoduchých příkladů, které vám pomohou začít s vykreslováním pomocí Pandas a Matplotlib:

# Import the library first import matplotlib.pyplot as plt 

Histogram

Histogram zobrazuje rozložení hodnot ve sloupci.

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

výstup:

Box Plot

A  krabicová zápletka  je užitečný k detekci odlehlých hodnot a pochopení šíření dat.

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 spiknutí

A  bodový graf  ukazuje vztah mezi dvěma proměnnými.

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:

Související článek:

• Představení pandy
• Vykreslování grafů v Pythonu
• Práce se soubory csv v Pythonu
• Pandas DataFrame
• Úvod do Matplotlib
• Histogram - Definice typů Graf a příklady
• Box Plot
• Bodový spiknutí