Ang Pandas ay isang malawak na sikat na library ng Python na ginagamit sa larangan ng pagsusuri at pagmamanipula ng data. Sa ngayon, ang pagsusuri at pagtatrabaho sa napakaraming data ay mas mahalaga kaysa dati, at ang Pandas ay gumaganap ng mahalagang papel sa pagbibigay ng mga kinakailangang tool para sa layuning ito. Ang isa sa mga makabuluhang gawain na kadalasang ginagawa sa panahon ng pagsusuri ng data ay ang kakayahang mag-query ng partikular na impormasyon at magbalik ng column batay sa ilang partikular na kundisyon. Sa artikulong ito, tatalakayin natin kung paano makakuha ng mga ganoong resulta gamit ang malakas na library ng Pandas kasama ang isang detalyadong paliwanag ng code, mga function, at kinakailangang mga aklatan.
Mga Kinakailangan: Pag-install ng mga Panda
Bago sumisid sa solusyon, dapat ay mayroon kang mga Panda na naka-install sa iyong system. Kung sakaling wala ka pang naka-install na Pandas, maaari mong gamitin ang sumusunod na command upang mai-install ito sa pamamagitan ng package manager ng Python, pip:
pip install pandas
Pagkatapos ng matagumpay na pag-install ng Pandas, magpatuloy sa pag-import nito sa iyong Python script gamit ang:
import pandas as pd
Ngayon na mayroon kaming mga Panda na naka-install at na-import sa aming script, magpatuloy tayo sa paglutas ng problema.
Solusyon sa Problema: Pagtatanong ng DataFrame at Pagbabalik ng Column
Ipagpalagay na mayroon kaming DataFrame at kailangan naming mag-query ng partikular na impormasyon batay sa ilang partikular na kundisyon, halimbawa, paghahanap ng column na pinangalanang "edad" kung saan ang mga value ay mas malaki kaysa sa isang ibinigay na numero. Makakamit natin ito gamit ang mga Panda' tanong() function.
Gumawa muna tayo ng sample na DataFrame na may ilang data para sa mga layunin ng pagpapakita:
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)
Step-by-Step na Paliwanag: Paggawa gamit ang Pandas Query Function
Ngayong nakagawa na tayo ng sample na DataFrame, paghiwa-hiwalayin natin ang mga hakbang sa pagtatanong at pagbabalik ng kinakailangang data:
1. Gamitin ang tanong() function upang i-filter ang DataFrame batay sa kundisyong ibinigay:
age_filter = df.query('Age > 30')
Ang tanong() tumatanggap ang function ng string na naglalaman ng kundisyon, dito 'Edad > 30', upang i-filter ang DataFrame nang naaayon.
2. Upang ibalik lamang ang column na 'Edad' ng na-filter na DataFrame, gamitin ang:
result = age_filter['Age']
3. Panghuli, i-print ang resulta:
print(result)
Iba pang Kapansin-pansing Katulad na Mga Pag-andar at Aklatan
Bilang karagdagan sa mga tanong() function, mayroong iba pang mga katulad na alternatibo na magagamit sa Pandas, tulad ng lugar [] at iloc[] function, na maaaring magsilbi sa parehong layunin ng pag-filter at pagkuha ng data. Ang pagpili ng function ay depende sa pagiging kumplikado ng problema at sa pagiging simple ng code.
Higit pa rito, ang Pandas ay madalas na ipinares sa iba pang mga aklatan upang higit pang mapabuti ang mga kakayahan sa pagsusuri ng data. numpy ay isang library para sa mga numerical na operasyon, na nakikinabang sa pag-optimize ng pagganap ng Pandas. Kaayon, ang matplotlib tumutulong ang library sa paglikha ng mga nakakahimok na visualization ng data, na ginagawang mas madali para sa mga user na maunawaan ang mga pattern ng data.
Sa konklusyon, ang Pandas library ay nagsisilbing pangunahing tool sa pagsusuri at pag-filter ng data, kasama ng iba pang mahahalagang aklatan tulad ng NumPy at Matplotlib, upang magbigay ng nababaluktot at mahusay na mga diskarte sa pagmamanipula ng data.
