Pandas on laialt populaarne Pythoni raamatukogu, mida kasutatakse andmete analüüsi ja manipuleerimise valdkonnas. Tänapäeval on tohutute andmemahtude analüüsimine ja nendega töötamine olulisem kui kunagi varem ning Pandadel on selleks vajalike tööriistade pakkumisel oluline roll. Üks olulisemaid ülesandeid, mida andmeanalüüsi käigus sageli tehakse, on võime küsida konkreetset teavet ja tagastada teatud tingimustel veerg. Selles artiklis arutame, kuidas saada selliseid tulemusi võimsa Pandase teegi abil koos koodi, funktsioonide ja vajalike teekide üksikasjaliku selgitusega.
Eeltingimused: Pandade paigaldamine
Enne lahendusse sukeldumist peab teie süsteemi olema installitud Pandas. Kui teil pole Pandasid veel installitud, saate selle installimiseks Pythoni paketihalduri kaudu kasutada järgmist käsku, pip:
pip install pandas
Pärast Pandase edukat installimist jätkake selle importimisega oma Pythoni skripti, kasutades:
import pandas as pd
Nüüd, kui Pandas on installitud ja meie skripti imporditud, jätkame probleemi lahendamisega.
Probleemi lahendus: andmeraami päringu tegemine ja veeru tagastamine
Eeldusel, et meil on DataFrame ja me peame teatud tingimuste alusel küsima konkreetset teavet, näiteks leidma veeru nimega "vanus", kus väärtused on antud arvust suuremad. Me saavutame selle Pandade abil päring () funktsiooni.
Esmalt loome näidis DataFrame'i koos mõningate andmetega tutvustamise eesmärgil:
data = {
"Name": ["Alice", "Bob", "Charlie", "David", "Eve"],
"Age": [25, 32, 29, 41, 38],
"City": ["New York", "San Francisco", "Los Angeles", "Chicago", "Miami"]
}
df = pd.DataFrame(data)
Samm-sammuline selgitus: Pandade päringufunktsiooniga töötamine
Nüüd, kui oleme loonud DataFrame'i näidise, jagame nõutavate andmete päringu ja tagastamise sammud:
1. Kasuta päring () funktsioon DataFrame'i filtreerimiseks esitatud tingimuse alusel:
age_filter = df.query('Age > 30')
. päring () funktsioon aktsepteerib stringi, mis sisaldab tingimust, siin "Vanus > 30", et vastavalt DataFrame'i filtreerida.
2. Ainult filtreeritud DataFrame'i veeru „Vanus” tagastamiseks kasutage järgmist:
result = age_filter['Age']
3. Lõpuks printige tulemus:
print(result)
Muud tähelepanuväärsed sarnased funktsioonid ja raamatukogud
Lisaks päring () funktsiooni, on Pandas saadaval ka teisi sarnaseid alternatiive, näiteks loc[] ja Iloc[] funktsioonid, mis võivad täita sama eesmärki andmete filtreerimisel ja toomisel. Funktsiooni valik sõltub probleemi keerukusest ja koodi lihtsusest.
Lisaks seotakse Pandad sageli teiste raamatukogudega, et veelgi parandada andmeanalüüsi võimalusi. tuim on arvoperatsioonide teek, mis on kasulik Pandade jõudluse optimeerimiseks. Paralleelselt, matplotlib raamatukogu aitab luua mõjuvaid andmete visualiseerimisi, muutes kasutajatel andmemustrite mõistmise lihtsamaks.
Kokkuvõtteks võib öelda, et Pandase teek on andmeanalüüsi ja -filtreerimise põhitööriist koos teiste oluliste raamatukogudega, nagu NumPy ja Matplotlib, et pakkuda paindlikke ja tõhusaid andmetöötlustehnikaid.
