Kennismaken met DataFrames

Datamanipulatie met pandas

Richie Cotton

Data Evangelist at DataCamp

Wat is het nut van pandas?

Cursusoverzicht

Hoofdstuk 1: DataFrames
- Sorteren en subsets maken
- Nieuwe kolommen maken
Hoofdstuk 2: gegevens samenvoegen
- Samenvattende statistieken
- Tellen
- Gegroepeerde samenvattende statistieken

Hoofdstuk 3: data slicen en indexeren
- Subsets maken met slicing
- Indexen en subsets maken met indexen
Hoofdstuk 4: data maken en visualiseren
- Grafieken maken
- Omgaan met ontbrekende gegevens
- Data inlezen in een DataFrame

pandas is gebaseerd op NumPy en Matplotlib

Een driehoek die op twee rechthoeken rust. De driehoek staat voor het pandas-pakket, terwijl de rechthoeken de NumPy- en matplotlib-pakketten vertegenwoordigen.

pandas is populair

De emoji voor een panda, honderden keren herhaald, om de vele gebruikers van pandas te laten zien.

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	Lichtbruin	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: .values

print(dogs.values)

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)

pandas-filosofie

Er moet een (en het liefst maar één) duidelijke manier zijn om het te doen.

- The Zen of Python door Tim Peters, punt 13

Een groen Zwitsers zakmes

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

Laten we oefenen!

Datamanipulatie met pandas