Introduktion till DataFrames

Datamanipulering med pandas

Richie Cotton

Data Evangelist at DataCamp

Vad är poängen med pandas?

Kursöversikt

Kapitel 1: DataFrames
- Sortering och delurval
- Skapa nya kolumner
Kapitel 2: Aggregera data
- Sammanfattande statistik
- Räkna
- Grupperad sammanfattande statistik

Kapitel 3: Slicning och indexering av data
- Delurval med slicning
- Index och delurval med index
Kapitel 4: Skapa och visualisera data
- Plottning
- Hantera saknade värden
- Läsa in data till en DataFrame

pandas bygger på NumPy och Matplotlib

En triangel som vilar ovanpå två rektanglar. Triangeln representerar pandas-paketet och rektanglarna representerar paketen NumPy och matplotlib.

pandas är populärt

Emojin för en panda, upprepat hundratals gånger, som symboliserar de många användarna av pandas.

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

Rektangulär data

Namn	Ras	Färg	Höjd (cm)	Vikt (kg)	Födelsedatum
Bella	Labrador	Brun	56	25	2013-07-01
Charlie	Poodle	Svart	43	23	2016-09-16
Lucy	Chow Chow	Brun	46	22	2014-08-25
Cooper	Schnauzer	Grå	49	17	2011-12-11
Max	Labrador	Svart	59	29	2017-01-20
Stella	Chihuahua	Beige	18	2	2015-04-20
Bernie	St. Bernard	Vit	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

Utforska en DataFrame: .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

Utforska en DataFrame: .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

Utforska en DataFrame: .shape

print(dogs.shape)

(7, 6)

Utforska en DataFrame: .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

Komponenter i en 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)

Komponenter i en DataFrame: .columns och .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-filosofin

Det bör finnas ett – och helst bara ett – självklart sätt att göra det på.

- The Zen of Python av Tim Peters, punkt 13

En grön schweizisk armékniv

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

Nu kör vi en övning!

Datamanipulering med pandas