Pandas je vrlo popularna Python biblioteka koja se koristi u polju analize podataka i manipulacije. Danas je analiza i rad s golemim količinama podataka važniji nego ikada, a Pandas igra ključnu ulogu u pružanju potrebnih alata za tu svrhu. Jedan od značajnih zadataka koji se često obavljaju tijekom analize podataka je mogućnost postavljanja upita određenim informacijama i vraćanja stupca na temelju određenih uvjeta. U ovom ćemo članku raspravljati o tome kako postići takve rezultate korištenjem moćne biblioteke Pandas zajedno s detaljnim objašnjenjem koda, funkcija i potrebnih biblioteka.
Preduvjeti: Instaliranje Panda
Prije nego što se upustite u rješenje, morate imati instalirane Pande na vašem sustavu. U slučaju da već nemate instaliran Pandas, možete koristiti sljedeću naredbu da ga instalirate putem Pythonovog upravitelja paketima, pip:
pip install pandas
Nakon uspješne instalacije Pandas-a, nastavite s uvozom u svoju Python skriptu koristeći:
import pandas as pd
Sada kada smo Pande instalirali i uvezli u našu skriptu, prijeđimo na rješavanje problema.
Rješenje problema: postavljanje upita DataFrameu i vraćanje stupca
Pod pretpostavkom da imamo DataFrame i da trebamo tražiti određene informacije na temelju određenih uvjeta, na primjer, pronalaženje stupca pod nazivom "dob" gdje su vrijednosti veće od zadanog broja. To možemo postići koristeći Pande upit () funkcija.
Kreirajmo prvo ogledni DataFrame s nekim podacima u svrhu demonstracije:
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)
Objašnjenje korak po korak: Rad s funkcijom upita Pandas
Sada kada smo izradili ogledni DataFrame, raščlanimo korake za postavljanje upita i vraćanje potrebnih podataka:
1. Koristite upit () funkcija za filtriranje DataFramea na temelju danog uvjeta:
age_filter = df.query('Age > 30')
Korištenje električnih romobila ističe upit () funkcija prihvaća niz koji sadrži uvjet, ovdje 'Dob > 30', kako bi prema tome filtrirao DataFrame.
2. Da biste vratili samo stupac 'Dob' filtriranog DataFramea, upotrijebite:
result = age_filter['Age']
3. Na kraju ispišite rezultat:
print(result)
Ostale značajne slične funkcije i biblioteke
Osim upit () postoje druge slične alternative dostupne u Pandas, kao što je loc[] i iloc[] funkcije koje mogu služiti istoj svrsi filtriranja i dohvaćanja podataka. Izbor funkcije ovisi o složenosti problema i jednostavnosti koda.
Nadalje, Pandas se često uparuje s drugim bibliotekama kako bi se dodatno poboljšale mogućnosti analize podataka. numpy je biblioteka za numeričke operacije, koja doprinosi optimizaciji performansi Panda. Paralelno, matplotlib knjižnica pomaže u stvaranju uvjerljivih vizualizacija podataka, olakšavajući korisnicima razumijevanje obrazaca podataka.
Zaključno, biblioteka Pandas služi kao temeljni alat u analizi i filtriranju podataka, u kombinaciji s drugim bitnim bibliotekama kao što su NumPy i Matplotlib, za pružanje fleksibilnih i učinkovitih tehnika manipulacije podacima.
