Pandas est une bibliothèque open source de manipulation et d'analyse de données construite sur Python. Il fournit des structures de données faciles à utiliser telles que DataFrame et Series qui facilitent la gestion des données pour toutes sortes de tâches d'analyse de données. Il est largement utilisé pour la gestion des données structurées, le nettoyage et la préparation des données, ce qui constitue une étape cruciale dans les flux de travail de science des données. Qu'il s'agisse de données de séries chronologiques, de données hétérogènes ou de données au format CSV, Excel, bases de données SQL ou JSON, Pandas propose des outils puissants pour faciliter grandement l'utilisation de ces données.
Avant d'utiliser une fonctionnalité Pandas, vous devez importer la bibliothèque. Il est généralement importé au format pd pour garder la syntaxe concise.
import pandas as pd
Une série est un tableau étiqueté unidimensionnel, capable de contenir n'importe quel type de données (entier, chaîne, flottant, etc.). Il peut être créé à partir d'une liste, d'un tableau NumPy ou d'un dictionnaire.
# Create a Pandas Series from a list s = pd.Series([1, 2, 3, 4])
Résultat attendu :
0 1 1 2 2 3 3 4 dtype: int64
Un DataFrame est une structure de données étiquetée en deux dimensions, similaire à un tableau dans une base de données ou une feuille de calcul Excel. Il se compose de lignes et de colonnes. Chaque colonne peut avoir un type de données différent.
# Create a DataFrame from a dictionary
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [24, 27, 22], 'City': ['New York', 'London', 'Berlin']}
df = pd.DataFrame(data)
Résultat attendu :
Name Age City
0 Alice 24 New York
1 Bob 27 London
2 Charlie 22 Berlin
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
data = [[1, 2, 3], [4, 5, 6]] df = pd.DataFrame(data, columns=["A", "B", "C"])
Résultat attendu :
A B C 0 1 2 3 1 4 5 6
Pandas propose plusieurs méthodes pour inspecter et obtenir des informations sur vos données.
# Inspecting the DataFrame print(df.head()) print(df.tail()) print(df.info()) print(df.describe())
Résultat attendu :
A B C
0 1 2 3
1 4 5 6
A B C
0 1 2 3
1 4 5 6
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2 entries, 0 to 1
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 A 2 non-null int64
1 B 2 non-null int64
2 C 2 non-null int64
dtypes: int64(3)
memory usage: 128.0 bytes
A B C
count 2.0 2.0 2.0
mean 2.5 3.5 4.5
std 2.1 2.1 2.1
min 1.0 2.0 3.0
25% 1.5 2.5 3.5
50% 2.0 3.0 4.0
75% 2.5 3.5 4.5
max 4.0 5.0 6.0
Vous pouvez accéder aux colonnes soit en utilisant la notation par points, soit en indexant avec des crochets.
# Dot notation print(df.A) # Bracket notation print(df["B"])
Vous pouvez utiliser .iloc[] pour une indexation basée sur un emplacement entier et .loc[] pour une indexation basée sur des étiquettes.
# Using iloc (index-based) print(df.iloc[0]) # Access first row # Using loc (label-based) print(df.loc[0]) # Access first row using label
Vous pouvez découper des DataFrames pour obtenir des sous-ensembles de données. Vous pouvez découper des lignes ou des colonnes.
# Select specific rows and columns subset = df.loc[0:1, ["A", "C"]]
Résultat attendu :
A C 0 1 3 1 4 6
Vous pouvez ajouter des colonnes directement au DataFrame en attribuant des valeurs.
df['D'] = [7, 8] # Adding a new column
Vous pouvez modifier les valeurs d'une colonne en y accédant et en attribuant de nouvelles valeurs.
df['A'] = df['A'] * 2 # Modify the 'A' column
Vous pouvez supprimer des lignes ou des colonnes à l'aide de la fonction drop().
df = df.drop(columns=['D']) # Dropping a column df = df.drop(index=1) # Dropping a row by index
La gestion des données manquantes est une tâche critique. Pandas fournit plusieurs fonctions pour gérer les données manquantes.
df = df.fillna(0) # Fill missing data with 0 df = df.dropna() # Drop rows with any missing values
La fonction groupby() est utilisée pour diviser les données en groupes, appliquer une fonction, puis combiner les résultats.
# Grouping by a column and calculating the sum
grouped = df.groupby('City').sum()
Vous pouvez appliquer diverses fonctions d'agrégation comme sum(), Mean(), min(), max(), etc.
# Aggregating data using mean
df.groupby('City').mean()
Vous pouvez trier un DataFrame par une ou plusieurs colonnes à l'aide de la fonction sort_values().
# Sorting by a column in ascending order df_sorted = df.sort_values(by='Age') # Sorting by multiple columns df_sorted = df.sort_values(by=['Age', 'Name'], ascending=[True, False])
Vous pouvez classer les valeurs dans un DataFrame en utilisant Rank().
df['Rank'] = df['Age'].rank()
Vous pouvez fusionner deux DataFrames basés sur une colonne ou un index commun.
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'], 'B': ['B0', 'B1', 'B2']})
df2 = pd.DataFrame({'A': ['A0', 'A1', 'A2'], 'C': ['C0', 'C1', 'C2']})
merged_df = pd.merge(df1, df2, on='A')
You can concatenate DataFrames along rows or columns using concat().
df1 = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B']) df2 = pd.DataFrame([[5, 6], [7, 8]], columns=['A', 'B']) concat_df = pd.concat([df1, df2], axis=0)
Pandas is a versatile tool for data manipulation, from importing and cleaning data to performing complex operations. This cheat sheet provides a quick overview of some of the most common Pandas features, helping you make your data analysis workflow more efficient.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
