Introductie tot DataFrames

Datamanipulatie met pandas

Richie Cotton

Data Evangelist at DataCamp

Waar is pandas goed voor?

Cursusoverzicht

Hoofdstuk 1: DataFrames
- Sorteren en subsetten
- Nieuwe kolommen maken
Hoofdstuk 2: Gegevens aggregeren
- Samenvattingsstatistieken
- Tellen
- Gegroepeerde samenvattingsstatistieken

Hoofdstuk 3: Slicen en indexeren van data
- Subsetten met slicing
- Indexen en subsetten met indexen
Hoofdstuk 4: Data maken en visualiseren
- Plotten
- Ontbrekende waarden afhandelen
- Data inlezen in een DataFrame

pandas is gebouwd op NumPy en Matplotlib

Een driehoek boven op twee rechthoeken. De driehoek stelt het pakket pandas voor, de rechthoeken NumPy en matplotlib.

pandas is populair

De panda-emoji, honderden keren herhaald, die de vele gebruikers van pandas voorstellen.

¹ https://pypistats.org/packages/pandas

Rechthoekige data

Naam	Ras	Kleur	Hoogte (cm)	Gewicht (kg)	Geboortedatum
Bella	Labrador	Bruin	56	25	2013-07-01
Charlie	Poedel	Zwart	43	23	2016-09-16
Lucy	Chow Chow	Bruin	46	22	2014-08-25
Cooper	Schnauzer	Grijs	49	17	2011-12-11
Max	Labrador	Zwart	59	29	2017-01-20
Stella	Chihuahua	Tan	18	2	2015-04-20
Bernie	St. Bernard	Wit	77	74	2018-02-27

pandas-DataFrames

print(dogs)

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20
5   Stella    Chihuahua    Tan         18          2    2015-04-20
6   Bernie  St. Bernard  White         77         74    2018-02-27

Een DataFrame verkennen: .head()

print(dogs.head())

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20

Een DataFrame verkennen: .info()

print(dogs.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 6 columns):
 #   Column         Non-Null Count  Dtype 
 --  ------         --------------  ----- 
 0   name           7 non-null      object
 1   breed          7 non-null      object
 2   color          7 non-null      object
 3   height_cm      7 non-null      int64 
 4   weight_kg      7 non-null      int64 
 5   date_of_birth  7 non-null      object
dtypes: int64(2), object(4)
memory usage: 464.0+ bytes

Een DataFrame verkennen: .shape

print(dogs.shape)

(7, 6)

Een DataFrame verkennen: .describe()

print(dogs.describe())

       height_cm  weight_kg
count   7.000000   7.000000
mean   49.714286  27.428571
std    17.960274  22.292429
min    18.000000   2.000000
25%    44.500000  19.500000
50%    49.000000  23.000000
75%    57.500000  27.000000
max    77.000000  74.000000

Onderdelen van een DataFrame: .to_numpy()

print(dogs.to_numpy())

array([['Bella', 'Labrador', 'Brown', 56, 24, '2013-07-01'],
       ['Charlie', 'Poodle', 'Black', 43, 24, '2016-09-16'],
       ['Lucy', 'Chow Chow', 'Brown', 46, 24, '2014-08-25'],
       ['Cooper', 'Schnauzer', 'Gray', 49, 17, '2011-12-11'],
       ['Max', 'Labrador', 'Black', 59, 29, '2017-01-20'],
       ['Stella', 'Chihuahua', 'Tan', 18, 2, '2015-04-20'],
       ['Bernie', 'St. Bernard', 'White', 77, 74, '2018-02-27']],
      dtype=object)

Onderdelen van een DataFrame: .columns en .index

print(dogs.columns)

Index(['name', 'breed', 'color', 'height_cm', 'weight_kg', 'date_of_birth'],
dtype='object')

dogs.index

RangeIndex(start=0, stop=7, step=1)

Filosofie van pandas

Er moet één — en bij voorkeur slechts één — voor de hand liggende manier zijn om het te doen.

- The Zen of Python door Tim Peters, item 13

Een groen Zwitsers zakmes

¹ https://www.python.org/dev/peps/pep-0020/

Laten we oefenen!

Datamanipulatie met pandas