Giới thiệu về DataFrame

Xử lý dữ liệu với pandas

Richie Cotton

Data Evangelist at DataCamp

pandas để làm gì?

Đề cương khóa học

Chương 1: DataFrame
- Sắp xếp và chọn lọc
- Tạo cột mới
Chương 2: Tổng hợp dữ liệu
- Thống kê tóm tắt
- Đếm
- Thống kê theo nhóm

Chương 3: Cắt lát và đánh chỉ mục
- Chia nhỏ bằng slicing
- Chỉ mục và chọn lọc bằng chỉ mục
Chương 4: Tạo và trực quan hóa dữ liệu
- Vẽ biểu đồ
- Xử lý dữ liệu thiếu
- Đọc dữ liệu vào DataFrame

pandas xây dựng trên NumPy và Matplotlib

Một tam giác đặt trên hai hình chữ nhật. Tam giác đại diện cho gói pandas, các hình chữ nhật đại diện cho gói NumPy và matplotlib.

pandas rất phổ biến

Biểu tượng cảm xúc con gấu trúc lặp lại hàng trăm lần, đại diện cho số lượng người dùng lớn của pandas.

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

Dữ liệu hình chữ nhật

Tên	Giống	Màu	Cao (cm)	Nặng (kg)	Ngày sinh
Bella	Labrador	Nâu	56	25	2013-07-01
Charlie	Poodle	Đen	43	23	2016-09-16
Lucy	Chow Chow	Nâu	46	22	2014-08-25
Cooper	Schnauzer	Xám	49	17	2011-12-11
Max	Labrador	Đen	59	29	2017-01-20
Stella	Chihuahua	Vàng	18	2	2015-04-20
Bernie	St. Bernard	Trắng	77	74	2018-02-27

pandas DataFrame

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

Khám phá 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

Khám phá 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

Khám phá DataFrame: .shape

print(dogs.shape)

(7, 6)

Khám phá 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

Thành phần của 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)

Thành phần của DataFrame: .columns và .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)

Triết lý của pandas

Nên có một cách — và tốt nhất là chỉ một cách — rõ ràng để làm việc đó.

- The Zen of Python của Tim Peters, Mục 13

Một con dao đa năng Thụy Sĩ màu xanh lá

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

Ayo berlatih!

Xử lý dữ liệu với pandas