오늘날 세계에서 데이터를 다루는 것은 개발자와 분석가 모두에게 필수적인 기술이 되었습니다. 데이터 분석을 수행하는 데 도움이 되는 강력한 라이브러리는 다음과 같습니다. 팬더, Python 프로그래밍 언어 위에 구축됩니다. 이 기사에서는 다음을 사용하여 Python에 pandas를 설치하는 방법을 살펴보겠습니다. 힘내, 라이브러리 작업을 이해하고 데이터 분석 작업에 도움이 되는 다양한 기능을 탐색합니다. 자, 바로 들어가 봅시다.
Git을 사용하여 팬더 설치
Git을 사용하여 pandas를 설치하려면 먼저 GitHub에서 로컬 머신으로 pandas 리포지토리를 복제해야 합니다. 저장소 사본이 있으면 아래에 언급된 단계에 따라 모든 것을 올바르게 설정할 수 있습니다.
git clone git://github.com/pandas-dev/pandas.git cd pandas python -m venv venv source venv/bin/activate # On Windows use `venvScriptsactivate` pip install -e .
위의 코드는 다음을 수행합니다.
- pandas 저장소를 복제합니다.
- 현재 디렉터리를 pandas 폴더로 변경합니다.
- "venv"라는 가상 환경을 만듭니다.
- 가상 환경을 활성화합니다.
- 소스 코드를 직접 수정할 수 있는 편집 가능 모드로 pandas를 설치합니다.
이제 Git을 통해 팬더를 설치했으므로 Python에서 작업을 시작할 수 있습니다.
팬더 시작하기
pandas 사용을 시작하려면 Python 코드에서 라이브러리를 가져와야 합니다. 다음 명령을 사용하여 이 작업을 수행할 수 있습니다.
import pandas as pd
이제 Pandas를 가져오면 CSV, Excel 또는 SQL 데이터베이스와 같은 다양한 형식의 데이터 세트로 작업을 시작할 수 있습니다. Pandas는 데이터 조작을 위해 두 가지 주요 데이터 구조를 사용합니다. 데이터 프레임 과 연속.
DataFrame은 레이블이 지정된 축이 있는 XNUMX차원 테이블인 반면 Series는 레이블이 지정된 XNUMX차원 배열입니다. 이러한 데이터 구조를 통해 데이터에 대한 다양한 작업 및 분석을 수행할 수 있습니다.
데이터 로딩 및 탐색
pandas를 사용하는 방법을 보여주기 위해 다양한 제품, 범주 및 가격에 대한 세부 정보가 포함된 CSV 파일인 샘플 데이터 세트를 고려해 보겠습니다. 다음과 같이 파일을 로드하고 DataFrame을 만들 수 있습니다.
data = pd.read_csv('products.csv')
DataFrame의 내용을 보려면 다음 명령을 사용하십시오.
print(data.head())
XNUMXD덴탈의 머리() 함수는 DataFrame의 처음 XNUMX개 행을 반환합니다. pandas 함수를 사용하여 통계 계산, 데이터 필터링, 열 조작과 같은 다른 작업을 수행할 수도 있습니다.
결론
이 기사를 통해 우리는 방법을 배웠습니다. Git을 사용하여 Python에 팬더 설치 DataFrames 및 Series와 같은 라이브러리의 기본 개념을 탐색했습니다. 또한 pandas 함수를 사용하여 데이터를 로드하고 탐색하는 방법을 배웠습니다. 이러한 기본 개념을 통해 이제 프로젝트에서 데이터 분석 작업을 수행하는 데 필요한 지식을 갖추게 되었습니다. Pandas로 계속 작업하면서 이 강력한 라이브러리가 제공해야 하는 다양한 기능과 메서드를 탐색해야 합니다. 데이터의 세계에는 항상 더 많은 것을 배울 수 있습니다!
