Знакомство с DataFrame
Урок 4 из 19 курса Аналитика в pandas на Coddy.
DataFrames составляют основу библиотеки Pandas. DataFrame — это двумерная маркированная структура данных со столбцами, которые могут быть разных типов, включая integer, float, object и другие.
По сути, DataFrame похож на таблицу данных. Вы можете представить его как электронную таблицу или таблицу SQL. Строки соответствуют отдельным входным экземплярам (наблюдениям), а столбцы представляют признаки (features) данных. С помощью датафреймов мы можем манипулировать данными, анализировать, группировать и предварительно обрабатывать их.
При работе с новым датафреймом нам необходимо понимать, что это за столбцы, каковы их типы данных, сколько в нем строк, какие данные он хранит и так далее. Вот несколько функций, которые позволяют быстро получить представление о данных:
- head(n): Показывает первые
nстрок - head(): Показывает первые 5 строк
- describe(): Предоставляет описательную статистику, такую как среднее значение (mean), максимум (max), минимум (min) и т. д.
- info(): Дает сводку по всем признакам (столбцам).
shape:размерность датафрейма (сколько строк и сколько столбцов). Это свойство (property), а не метод (method).- tail(n): Показывает последние
nстрок - tail(): Показывает последние 5 строк
Задание
ЛегкоВ этом испытании у вас есть CSV-файл с именем brands.csv.
Прежде чем что-либо делать, используйте .read_csv(), чтобы преобразовать файл в датафрейм.
Создайте функцию с именем information, которая принимает строку, которая может принимать одно из следующих значений:
- "head"
- "describe"
- "info"
- "shape"
- "tail"
Функция выведет соответствующий результат датафрейма.
Попробуйте сами
import pandas as pd
def information(action):
df = pd.read_csv("brands.csv")
# Напишите код здесьВсе уроки раздела Аналитика в pandas
4Анализ данных с Pandas
Описательная статистикаГруппировка и агрегация данныхРазличные агрегацииMerge и Concat2Работа с DataFrame
Знакомство с DataFrameДоступ к даннымОчистка данных — пропущенные значенияОчистка данных — дополнительные инструменты3Манипуляции с данными в Pandas
Возврат нужного результатаФильтрация данныхДобавление и удалениеИзменение данныхИзменение строкПользовательские изменения