Introduzione a Python Panda

Introduzione

Pandas è una libreria Python open source utilizzata principalmente per l'analisi dei dati. La raccolta di strumenti nel pacchetto Pandas è una risorsa essenziale per la preparazione, la trasformazione e l'aggregazione dei dati in Python.

La libreria Pandas si basa sul pacchetto NumPy ed è compatibile con un'ampia gamma di moduli esistenti. L'aggiunta di due nuove strutture dati tabulari, Serie e Frame di dati , consente agli utenti di utilizzare funzionalità simili a quelle dei database relazionali o dei fogli di calcolo.

Questo articolo mostra come installare Python Panda e introduce i comandi di base di Pandas.

Come installare Python Panda

La popolarità di Python ha portato alla creazione di numerose distribuzioni e pacchetti. I gestori di pacchetti sono strumenti efficienti utilizzati per automatizzare il processo di installazione, gestire gli aggiornamenti, configurare e rimuovere pacchetti e dipendenze Python.

Nota: Versione Python 3.6.1 o successivo è un prerequisito per l'installazione di Pandas. Usa la nostra guida dettagliata per controllare la tua versione attuale di Python. Se non hai la versione Python richiesta puoi usare una di queste guide dettagliate:

• Come installare Python 3.8 su Ubuntu 18.04 o Ubuntu 20.04.
• Come installare Python 3 su Windows 10
• Come installare l'ultima versione di Python 3 su Centos 7

Installa Panda con Anaconda

Il pacchetto Anaconda contiene già la libreria Pandas. Controlla la versione attuale di Pandas digitando il seguente comando nel tuo terminale:

conda list pandas

L'output conferma la versione e la build di Pandas.

Se Panda non è presente sul tuo sistema, puoi anche utilizzare il conda strumento per installare Panda:

conda install pandas

Anaconda gestisce l'intera transazione installando una raccolta di moduli e dipendenze.

Installa Panda con pip

Il repository del software PyPI viene amministrato regolarmente e mantiene le ultime versioni del software basato su Python. Installa pip, il gestore di pacchetti PyPI, e usalo per distribuire i panda Python:

pip3 install pandas

Il completamento del processo di download e installazione richiede alcuni istanti.

Installa Panda su Linux

L'installazione di una soluzione preconfezionata potrebbe non essere sempre l'opzione preferita. Puoi installare Pandas su qualsiasi distribuzione Linux usando lo stesso metodo degli altri moduli. Ad esempio, usa il comando seguente per installare il modulo Pandas di base su Ubuntu 20.04:

sudo apt install python3-pandas -y 

Tieni presente che i pacchetti nei repository Linux spesso non contengono l'ultima versione disponibile.

Utilizzo di Python Panda

La flessibilità di Python ti consente di utilizzare Panda in un'ampia varietà di framework. Ciò include editor di codice Python di base, comandi emessi dalla shell Python del tuo terminale, ambienti interattivi come Spyder, PyCharm, Atom e molti altri. Gli esempi pratici e i comandi in questo tutorial sono presentati utilizzando Jupyter Notebook.

Importazione della libreria Python Pandas

Per analizzare e lavorare sui dati, devi importare la libreria Pandas nel tuo ambiente Python. Avvia una sessione Python e importa Panda utilizzando i seguenti comandi:

import pandas as pd

import numpy as np

È considerata una buona pratica importare panda come pd e il insensibile biblioteca scientifica come np . Questa azione ti consente di utilizzare pd o np durante la digitazione dei comandi. In caso contrario, sarebbe necessario inserire ogni volta il nome completo del modulo.

È fondamentale importare la libreria Pandas ogni volta che avvii un nuovo ambiente Python.

Serie e DataFrame

Python Pandas utilizza Series e DataFrames per strutturare i dati e prepararli per varie azioni analitiche. Queste due strutture dati sono la spina dorsale della versatilità di Panda. Gli utenti che hanno già familiarità con i database relazionali comprendono in modo innato i concetti e i comandi di base di Panda.

Serie Panda

Le serie rappresentano un oggetto all'interno della libreria Pandas. Danno struttura a set di dati semplici e unidimensionali accoppiando ogni elemento di dati con un'etichetta univoca. Una serie è composta da due array:il principale array che contiene i dati e l'indice array che contiene le etichette accoppiate.

Utilizzare l'esempio seguente per creare una serie di base. In questo esempio la Serie struttura i numeri di vendita delle auto indicizzati per produttore:

s = pd.Series([10.8,10.7,10.3,7.4,0.25], 
      index = ['VW','Toyota','Renault','KIA','Tesla')

Dopo aver eseguito il comando, digita s per visualizzare la serie appena creata. Il risultato elenca i produttori in base all'ordine in cui sono stati inseriti.

È possibile eseguire una serie di funzioni complesse e varie sulle serie, incluse funzioni matematiche, manipolazione dei dati e operazioni aritmetiche tra le serie. Un elenco completo di parametri, attributi e metodi di Panda è disponibile sulla pagina ufficiale di Panda.

Frame di dati Panda

Il DataFrame introduce una nuova dimensione nella struttura dei dati della serie. Oltre alla matrice dell'indice, un set di colonne rigorosamente organizzato fornisce a DataFrames una struttura simile a una tabella. Ogni colonna può memorizzare un tipo di dati diverso. Prova a creare manualmente un dict oggetto chiamato 'dati' con gli stessi dati di vendita di auto:

data = { 'Company' : ['VW','Toyota','Renault','KIA','Tesla'],
'Cars Sold (millions)' : [10.8,10.7,10.3,7.4,0.25],
'Best Selling Model' : ['Golf','RAV4','Clio','Forte','Model 3']}

Passa l'oggetto "data" a pd.DataFrame() costruttore:

frame = pd.DataFrame(data)

Usa il nome di DataFrame, frame , per eseguire l'oggetto:

frame

Il DataFrame risultante formatta i valori in righe e colonne.

La struttura DataFrame consente di selezionare e filtrare i valori in base a colonne e righe, assegnare nuovi valori e trasporre i dati. Come per le serie, la pagina ufficiale di Pandas fornisce un elenco completo di parametri, attributi e metodi di DataFrame.

Leggere e scrivere con i panda

Attraverso Series e DataFrames, Pandas introduce una serie di funzioni che consentono agli utenti di importare file di testo, formati binari complessi e informazioni archiviate nei database. La sintassi per leggere e scrivere dati in Pandas è semplice:

• pd.read_filetype = (filename or path) – importare dati da altri formati in Panda.
• df.to_filetype = (filename or path) – esporta i dati da Panda in altri formati.

I formati più comuni includono CSV , XLXS , JSON , HTML, e SQL .

Leggi	Scrivi
pd.read_csv ("nomefile.csv")	df.to_csv ("nome file o percorso")
pd.read_excel ("nomefile.xlsx")	df.to_excel ("nome file o percorso")
pd.read_json ("nomefile.json")	df.to_json ("nome file o percorso")
pd.read_html ("nomefile.htm")	df.to_html ("nome file o percorso")
pd.read_sql ("nome tabella")	df.to_sql ("Nome DB")

In questo esempio, nz_population Il file CSV contiene i dati sulla popolazione della Nuova Zelanda per i 10 anni precedenti. Importa il file CSV utilizzando nella libreria Pandas con il seguente comando:

pop_df = pd.read_csv('nz_population.csv')

Gli utenti sono liberi di definire il nome per il DataFrame (pop_df ). Digitare il nome del DataFrame appena creato per visualizzare l'array di dati:

pop_df

Comandi comuni di Panda

Dopo aver importato un file nella libreria Pandas, puoi utilizzare una serie di semplici comandi per esplorare e manipolare i set di dati.

Comandi di base di DataFrame

Immettere il comando seguente per recuperare una panoramica di pop_df DataFrame dall'esempio precedente:

pop_df.info()

L'output fornisce il numero di voci, il nome di ciascuna colonna, i tipi di dati e la dimensione del file.

Usa il pop_df.head() comando per visualizzare le prime 5 righe del DataFrame.

Digita il pop_df.tail() comando per visualizzare le ultime 5 righe del pop_df DataFrame.

Seleziona righe e colonne specifiche usando i loro nomi e iloc attributo. Seleziona una singola colonna usando il suo nome tra parentesi quadre:

pop_df['population']

Il iloc l'attributo consente di recuperare un sottoinsieme di righe e colonne. Le righe sono specificate prima della virgola e le colonne dopo la virgola. Il comando seguente recupera i dati dalla riga 6 alla 16 e dalla colonna 2 alla 4:

pop_df.iloc [6:15,2:4]

I due punti : indica a Panda di mostrare l'intero sottoinsieme specificato.

Espressioni condizionali

È possibile selezionare le righe in base a un'espressione condizionale. La condizione è definita tra parentesi quadre [] . Il comando seguente filtra le righe in cui il valore della colonna "percentuale" è maggiore dello 0,50 percento.

pop_df [pop_df['percent'] > 0.50]

Aggregazione dei dati

Utilizzare le funzioni per calcolare i valori da un intero array e produrre un unico risultato. Parentesi quadre [] consentono inoltre agli utenti di selezionare una singola colonna e trasformarla in un DataFrame. Il comando seguente crea una nuova migrazione_totale DataFrame dalla migrazione colonna in pop_df :

total_migration = pop_df['migration']

Verifica i dati controllando le prime 5 righe:

total_migration.head()

Calcola la migrazione netta in Nuova Zelanda con il df.sum() funzione:

total_migration = total_migration.sum()

total_migration

L'output produce un unico risultato che rappresenta la somma totale dei valori nella migrazione_totale DataFrame.

Alcune delle funzioni di aggregazione più comuni includono:

• df.mean() – Calcola la media dei valori.
• df.median() – Calcola la mediana dei valori.
• df.describe() – Fornisce un riepilogo statistico.
• df.min()/df.max() – I valori minimo e massimo nel set di dati.
• df.idxmin()/df.idxmax() – I valori minimo e massimo dell'indice.

Queste funzioni essenziali rappresentano solo una piccola parte delle azioni e operazioni disponibili che Panda ha da offrire.