Understanding DataFrames
الدرس 4 من 19 في دورة Pandas Analytics على Coddy.
تشكل الـ DataFrames قلب مكتبة Pandas. الـ DataFrame عبارة عن هيكل بيانات ثنائي الأبعاد مصنف بأعمدة يمكن أن تكون من أنواع مختلفة، بما في ذلك integer و float و object والمزيد.
في الجوهر، الـ DataFrame يشبه جدول بيانات. يمكنك تخيله كجدول بيانات (spreadsheet) أو جدول SQL. تتوافق الصفوف مع حالات الإدخال الفردية (الملاحظات)، بينما تمثل الأعمدة الميزات (features) للبيانات. باستخدام الـ dataframes، يمكننا معالجة البيانات وتحليلها وتجميعها ومعالجتها مسبقًا.
عند العمل مع dataframe جديد، نحتاج إلى فهم ماهية الأعمدة، وما هي أنواع بياناتها، وعدد الصفوف التي يحتوي عليها، ونوع البيانات التي يخزنها، وما إلى ذلك. إليك بعض الوظائف التي توفر رؤى سريعة حول البيانات:
- head(n): يعرض أول
nمن الصفوف - head(): يعرض أول 5 صفوف
- describe(): يوفر إحصائيات وصفية مثل المتوسط (mean)، والحد الأقصى (max)، والحد الأدنى (min)، وما إلى ذلك.
- info(): يعطي ملخصًا لجميع الميزات (الأعمدة).
shape:شكل الـ dataframe (عدد الصفوف وعدد الأعمدة). هذه خاصية (property) وليست دالة (method).- tail(n): يعرض آخر
nمن الصفوف - tail(): يعرض آخر 5 صفوف
التحدي
سهلفي هذا التحدي، لديك ملف CSV يسمى brands.csv.
قبل القيام بأي شيء، استخدم .read_csv() لتحويل الملف إلى dataframe.
قم بإنشاء دالة باسم information تقبل سلسلة نصية يمكن أن تحمل إحدى القيم التالية:
- "head"
- "describe"
- "info"
- "shape"
- "tail"
ستقوم الدالة بطباعة المخرجات المقابلة للـ dataframe.
جرّب بنفسك
import pandas as pd
def information(action):
df = pd.read_csv("brands.csv")
# اكتب الكود هناجميع دروس Pandas Analytics
4Data Analysis with Pandas
Descriptive StatisticsGrouping and Aggregating DataDifferent AggregationsMerge & Concat2Working with the DataFrame
Understanding DataFramesAccessing DataData Cleaning - Missing dataData Cleaning - More tools3Data Manipulation with Pandas
Return Requested ResultFilter DataAdd & DeleteModify DataModify StringsCustom Modifications