Erstellen eines Pandas-Dataframes: Schritt für Schritt Anleitung

In der Welt der Datenanalyse und des maschinellen Lernens ist die Pandas-Bibliothek das wichtigste Werkzeug. Es bietet komfortable und leistungsstarke Datenstrukturen wie DataFrame, mit denen Sie effizient mit großen Mengen an Informationen arbeiten können. Ein DataFrame ist eine 2D-Datenstruktur, die einer Tabelle ähnelt, in der die Daten in Spalten und Zeilen angeordnet sind.

In diesem detaillierten Tutorial erfahren Sie, wie Sie einen DataFrame mit der Pandas-Bibliothek erstellen. Wir werden verschiedene Möglichkeiten zum Erstellen eines DataFrames untersuchen, einschließlich der Erstellung aus einer Liste, einem Wörterbuch, einem NumPy-Array und einer CSV-Datei. Außerdem erfahren Sie mehr über die verschiedenen Parameter und Funktionen, mit denen Sie Daten im DataFrame anpassen und manipulieren können.

Wenn Sie die Datenanalyse mit Python und Pandas beherrschen möchten, bietet Ihnen der Artikel eine zuverlässige Anleitung und Grundlagen für einen erfolgreichen Start. Sie haben die Möglichkeit zu verstehen, wie ein DataFrame funktioniert, wie er erstellt wird und wie Sie mit den leistungsstarken Pandas-Funktionen beginnen, Daten zu analysieren.

Was ist ein Pandas Dataframe und seine Hauptvorteile

ein Dataframe ist eine zweidimensionale Datenstruktur, die einer Tabelle oder einem Arbeitsblatt ähnelt. Es besteht aus Reihen (Zeilen) und Spalten (Felder), von denen jede unterschiedliche Datentypen enthalten kann (Zahlen, Zeilen, Boolesche Werte usw.).

Die wichtigsten Vorteile der Verwendung von Pandas Dataframe:

• Flexibilität: Mit dem Dataframe können Sie Daten verschiedener Typen und Größen verarbeiten, wodurch sie für verschiedene Datenanalyseaufgaben geeignet sind.
• Einfache Bedienung: Mit einer einfachen und intuitiven Benutzeroberfläche erleichtert pandas Dataframe die Manipulation von Daten wie Filtern, Sortieren, Gruppieren und Aggregieren.
• Leistungsstarke Funktionen: dataframe bietet eine breite Palette von Methoden und Funktionen für die Datenverarbeitung, einschließlich leistungsfähiger Datenzusammenführungs-, Zusammenführungs- und Änderungsvorgänge.
• Integration mit anderen Tools: Der Dataframe lässt sich gut in andere Python-Bibliotheken wie NumPy, Matplotlib und scikit-learn integrieren, wodurch komplexe Datenanalyseaufgaben und maschinelles Lernen effizient ausgeführt werden können.

Die Datenstruktur von pandas dataframe bietet eine bequeme und effiziente Möglichkeit, mit Daten zu arbeiten, wodurch sie zu einem integralen Bestandteil des Toolkits jedes Datenanalysten wird. Es ermöglicht die schnelle Ausführung komplexer Datenoperationen und bietet umfangreiche Funktionen zum Analysieren und Visualisieren von Daten.

Erstellen eines Pandas Dataframe

Erstellen eines Dataframes aus Listen:

Erstellen eines Dataframe aus einem Wörterbuch:

Erstellen eines Dataframes aus einem Array:

import pandas as pd import numpy as np data = np.array([[1, 2, 3], [4, 5, 6]]) df = pd.DataFrame(data, columns=['A', 'B', 'C'])

Erstellen eines Dataframes aus einer CSV-Datei:

import pandas as pd df = pd.read_csv('data.csv')

Nachdem der Dataframe erstellt wurde, können Sie verschiedene Operationen für die Daten ausführen: hinzufügen und Löschen von Spalten, Filtern und Sortieren von Daten, Anwenden von Funktionen und mehr. Die Pandas-Bibliothek bietet leistungsstarke Datenanalysewerkzeuge, die die Arbeit mit Datenstrukturen bequem und effizient machen.

Importieren der benötigten Bibliotheken und Daten

Um mit Pandas Dataframe arbeiten zu können, müssen Sie mehrere Hauptbibliotheken importieren:

pandas - eine Bibliothek, die benutzerfreundliche und hochrangige Datenstrukturen für die Analyse bereitstellt.

numpy - eine Bibliothek, die Unterstützung für mehrdimensionale Arrays und Matrizen sowie viele mathematische Funktionen bietet, um mit ihnen zu arbeiten.

Um mit Pandas Dataframe zu beginnen, müssen Sie diese Bibliotheken in Ihr Projekt importieren:

import pandas as pd import numpy as np

Nachdem Sie die Bibliotheken importiert haben, können Sie mit dem Erstellen eines Pandas Dataframe beginnen. Es gibt mehrere Möglichkeiten, einen Dataframe zu erstellen, aber eine der häufigsten ist die Verwendung vorhandener Daten. Betrachten wir ein Beispiel:

In diesem Beispiel haben wir einen Dataframe mit einem "data" -Wörterbuch erstellt, das Informationen zu Name, Alter und Wohnort mehrerer Personen enthält. Dann haben wir dieses Wörterbuch an den pd-Konstruktor übergeben.DataFrame(), um den dataframe "df" zu erstellen.

Jetzt haben Sie einen Dataframe, mit dem Sie Daten analysieren und andere Operationen mit Pandas durchführen können.

Struktur und Zugriff auf Daten im Dataframe

Ein DataFrame in einer Pandas-Bibliothek ist eine Tabelle mit Daten, die als zweidimensionales Array organisiert ist. Es besteht aus Zeilen, die Beobachtungen oder Datensätze darstellen, und Spalten, die Variablen oder Merkmale darstellen.

Die DataFrame-Struktur ähnelt einer Tabelle in relationalen Datenbanken oder einer Excel-Tabelle. Es enthält Indizes zur eindeutigen Identifizierung von Zeilen und Spaltennamen zur eindeutigen Identifizierung von Variablen.

Sie können mit einer Vielzahl von Methoden und Syntax auf Daten im DataFrame zugreifen, um eine flexible und bequeme Handhabung der Daten zu ermöglichen:

1. Mit der head() -Methode können Sie die ersten Zeilen einer Tabelle ausgeben. Zum Beispiel, df.head() gibt die ersten fünf Zeilen aus.
2. Sie können eine oder mehrere Spalten aus dem DataFrame auswählen, indem Sie ihre Namen in eckigen Klammern angeben: df['column_name'] oder df[['column_name1', 'column_name2']] .
3. Verwenden Sie die loc-Methode, um Zeilen nach Index auszuwählen[] . Zum Beispiel, df.loc[row_index] gibt die Daten am angegebenen Index aus.
4. Sie können Zeilen und Spalten anhand ihrer Position mit der iloc-Methode auswählen[] . Zum Beispiel, df.iloc[row_index, column_index] gibt den Wert der Daten zurück, die sich am Schnittpunkt der angegebenen Positionen befinden.
5. Die Methoden shape und dtypes stellen Informationen über die Größe des DataFrames und die Datentypen in den Spalten bereit.

Die Interaktion mit den Daten im DataFrame erleichtert das Filtern, Sortieren, Transformieren und Aggregieren von Informationen sowie das Ausführen anderer Operationen zur Analyse und Verarbeitung von Daten.

Beschreibung der Dataframe-Struktur und Indizierung

Ein Dataframe (tabellarische Datenstruktur in Pandas) besteht aus Zeilen und Spalten. Spalten bilden die Grundlage eines Dataframes und stellen separate Variablen oder Merkmale dar, während Zeilen separate Beobachtungen oder Datensätze darstellen.

Die dataframe-Struktur geht davon aus, dass alle Spalten die gleiche Länge haben und mit Daten desselben Typs gefüllt sind. Spalten werden normalerweise als Series-Objekte (eindimensionale Datenarrays) dargestellt, wobei jeder Wert einem Spaltenelement entspricht. Jede Spalte hat einen eindeutigen Namen, mit dem Sie darauf zugreifen können.

Durch die Indizierung des Dataframes können Sie bestimmte Zeilen oder Spalten auswählen, mit denen Sie arbeiten möchten. Es gibt mehrere Indizierungsmethoden in Pandas:

• Indizierung nach Spaltennummer. Verwenden Sie die iloc-Methode, mit der Sie Spalten anhand ihrer Sequenznummer auswählen können.
• Indizierung nach Spaltennamen. Die Schreibweise mit eckigen Klammern wird verwendet ( [ ] ), wobei im Inneren der Spaltenname angegeben ist.
• Indizierung nach Bedingung. Verwenden Sie die query-Methode, mit der Sie Zeilen auswählen können, die eine bestimmte Bedingung erfüllen.
• Indizierung nach Maske. Es wird die loc-Methode verwendet, mit der Sie Zeilen auswählen können, die einer bestimmten Maske entsprechen, dh einer logischen Bedingung.

Die Indizierung eines Dataframes ist eine der grundlegenden Vorgänge beim Arbeiten mit Daten. Es ermöglicht Ihnen, die gewünschten Daten für verschiedene Operationen oder Analysen auszuwählen und zu filtern.

Arbeiten mit Daten in einem Dataframe

Mit der Datenansicht können Sie einen Einblick in den Inhalt eines Dataframes erhalten. Dazu können Sie die Methoden head() und tail() verwenden, mit denen Sie die ersten bzw. letzten Zeilen anzeigen können. Sie können auch die sample() -Methode verwenden, um zufällige Zeilen aus einem dataframe abzurufen.

Mit dem Datenfiltervorgang können Sie nur bestimmte Zeilen oder Spalten auswählen, die bestimmten Bedingungen entsprechen. Dazu können Sie die loc() - oder iloc() -Methode verwenden, mit der Sie Indizierungs- und Ausschnittvorgänge für Zeilen- und Spaltenbeschriftungen oder deren Position ausführen können. Sie können auch logische Operatoren verwenden, um Filterbedingungen zu erstellen.

Durch das Hinzufügen und Entfernen von Spalten können Sie die Dataframe-Struktur ändern. Sie können eine einfache Zuweisung verwenden, um eine neue Spalte hinzuzufügen, z. B. df['new_column'] = values . Sie können die drop() -Methode verwenden, um eine Spalte zu löschen, indem Sie den Spaltennamen und den Parameter axis=1 angeben.

Mit dem Wertänderungsvorgang können Sie Werte im Dataframe aktualisieren oder ersetzen. Sie können dazu Indizierung und Zuweisung verwenden, z. B. df.loc[index, column] = new_value . Sie können auch die replace() - oder fillna() -Methoden verwenden, um bestimmte Werte zu ersetzen oder fehlende Werte zu füllen.

Mit der Datenaggregation können Sie eine Zusammenfassung der Eigenschaften nach Gruppen oder dem gesamten Dataframe abrufen. Dazu können Sie die Methoden groupby() , mean() , sum() und andere verwenden. Sie können auch die Methoden describe() und info() verwenden, um beschreibende Statistiken und Informationen zu Datentypen abzurufen.

Filtern von Daten und Ändern von Werten

Sie können die Daten mithilfe der df-Methode filtern.loc[mask] , wobei mask ein boolescher Ausdruck ist, der eine Filterbedingung definiert. Wenn Sie beispielsweise nur Zeilen auswählen möchten, in denen der Wert der Spalte "age" größer als 30 ist, können Sie den folgenden Code verwenden:

df.loc[df['age'] > 30]

Sie können auch mehrere Bedingungen mit den logischen Operatoren & (und), | (oder), ~ (nicht) kombinieren. Wenn Sie beispielsweise nur Zeilen auswählen möchten, bei denen der Wert der Spalte "age" größer als 30 ist und der Wert der Spalte "sex" gleich "female" ist, können Sie den folgenden Code verwenden:

df.loc[(df['age'] > 30) & (df['sex'] == 'female')]

Sie können die df-Methode verwenden, um die Werte bestimmter Zellen im DataFrame zu ändern.loc[mask, column] = value , wobei mask der boolesche Ausdruck ist, der die Änderungsbedingung angibt, column der Spaltenname ist und value der neue Wert für die ausgewählten Zellen ist. Wenn Sie beispielsweise alle Werte in der Spalte "age" ersetzen möchten, wobei der Wert der Spalte "sex" gleich "male" ist, können Sie den folgenden Code verwenden, um alle Werte in der Spalte "age" durch 0 zu ersetzen:

df.loc[df['sex'] == 'male', 'age'] = 0

Sie können auch die df-Methode verwenden.apply, um eine Funktion auf bestimmte Spalten oder Zeilen eines DataFrames anzuwenden. Wenn Sie beispielsweise alle Werte in der Spalte "salary" mit 2 multiplizieren möchten, können Sie den folgenden Code verwenden:

df['salary'] = df['salary'].apply(lambda x: x * 2)

Dies sind nur einige Beispiele für das Filtern von Daten und das Ändern von Werten in Pandas DataFrame. Die Pandas-Bibliothek hat viele andere Methoden und Funktionen zum Arbeiten mit Daten, und es lohnt sich, die offizielle Dokumentation für weitere Informationen zu konsultieren.

Aggregieren von Daten in einem Dataframe

Wenn Sie mit großen Datenmengen arbeiten, müssen Sie häufig Analysen durchführen, die auf der Aggregation der Daten basieren. Pandas Dataframe bietet praktische Funktionen zum Aggregieren von Daten und zum Ausführen verschiedener Operationen für Datengruppen.

Zunächst müssen Sie einen Dataframe mit den Daten erstellen. Sie können dann Aggregationsfunktionen wie Summe, Mittelwert, Maximum, Minimum und andere verwenden, um Berechnungen für Spalten oder Spaltengruppen durchzuführen.

Nehmen wir zum Beispiel an, wir haben einen Dataframe mit Verkaufsdaten in mehreren Geschäften. Wir möchten die Verkaufssumme für jedes Geschäft berechnen:

Dazu können Sie die groupby-Methode verwenden, um die Daten nach der Spalte "Store" zu gruppieren und die sum-Methode auf die Spalte "Menge" anzuwenden.

df.groupby('Магазин')['Количество'].sum()

Das Ergebnis wird wie folgt aussehen:

So konnten wir die Daten für jedes Geschäft aggregieren, indem wir den Umsatz summierten.

Dies ist nur ein Beispiel für die Verwendung von Datenaggregation in Pandas dataframe. Aggregationsfunktionen können kombiniert und auf verschiedene Spalten und Spaltengruppen angewendet werden, was eine vielfältige Datenanalyse ermöglicht.