Ako zvládnuť Pandas, NumPy, Matplotlib a Seaborn pre dátovú vedu v Pythone

Dátová veda sa stala jednou z najsilnejších a najžiadanejších technologických odvetví. Pytón, ako jazyk programovanie Flexibilný a prístupný, ponúka viacero nástrojov na riešenie komplexných projektov analýzy dát. Patria sem pandy, nemotorný, matplotlib y morský, štyri neuveriteľne užitočné knižnice, ktoré vám môžu pomôcť premeniť obrovské množstvo informácií na užitočné poznatky.

Či už s týmto svetom len začínate, alebo si len chcete zdokonaliť svoje zručnosti, táto komplexná príručka vám ukáže, ako kombinovať tieto knižnice na vykonávanie všetkého od základných čistiacich operácií až po pokročilé štatistické vizualizácie. Všetko je vysvetlené pomocou praktických príkladov, prirodzeného jazyka a 100 % aplikovateľného prístupu.

Prečo používať Pandas, NumPy, Matplotlib a Seaborn spolu?

Jedným z veľkých tajomstiev najefektívnejších dátových vedcov je vedieť ako integrovať knižnice ktoré im umožňujú optimálne spracovávať, analyzovať a vizualizovať dáta. Tu prichádzajú na rad pandy, nemotorný, matplotlib y morský.

• nemotorný zameriava sa na vedecký výpočet s viacrozmernými poľami a operáciami vektorizované.
• pandy prispieva dátové štruktúry ako Series y DataFrame organizovať a manipulovať s tabuľkovými poľami.
• matplotlib umožňuje vytvárať grafika od začiatku, s celkovým personalizácie.
• morský je založený na matplotlib ale dodáva štatistické grafy vizuálne čistejšie a jednoduchšie.

Keď sa tieto nástroje skombinujú, môžete prejsť od prečítať si súbor údajov a vykonať štatistickú analýzu, zistiť korelácie, predstavujú grafické rozdelenia a dokonca aj generovať vizuálne správy ktoré jasne vysvetľujú zložité vzorce.

Inštalácia knižníc a začiatok

Predtým, ako sa pustíte do analýzy, musíte mať náradie pripravenéInštalácia je jednoduchá:

pip install numpy pandas matplotlib seaborn

V poznámkových blokoch Jupyter môžete použiť:

!pip install numpy pandas matplotlib seaborn

Po nainštalovaní ich môžete importovať štandardným spôsobom, ktorý používa komunita Pythonu:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline  

Dôležité upozornenie: príkaz %matplotlib inline zabezpečuje, že grafika sa vykresľuje priamo v poznámkovom bloku, a nie v novom okne.

Nasledujúce časti pokrývajú z operácií s poľamihore porovnávacie vizualizácie s použitím reálnych súborov údajov.

Práca s poľami a základné operácie s NumPy

nemotorný je nevyhnutné pre numerické spracovanieProstredníctvom jeho polí môžete vykonávať násobenie matíc, štatistické operácie, Boolovské filtrovanie a ďalšie

Základný príklad vytvorenia poľa:

import numpy as np
arr = np.array()
print(arr)

Môžete tiež vytvoriť polia viacrozmerný:

arr2 = np.array(, ])
print(arr2.shape)  

nemotorný umožňuje vykonávať operácie vektorizované bez potreby slučiek. To znamená, že výpočty sú oveľa rýchlejšie a efektívnejšie z hľadiska pamäte.

Príklad priemerný, rozptyl y korelácia:

valores = np.array()
media = np.mean(valores)
varianza = np.var(valores)
print(media, varianza)

Môžete tiež vykonávať operácie, ako je násobenie maticovo-vektorový alebo vypočítať lineárne regresie použitie np.dot o np.linalgHlavnou výhodou je, že nemotorný Je to výpočtový základ, na ktorom pracujú iné knižnice, ako napríklad pandy o Scikit-uč saJeho dobrá znalosť je kľúčom k pokroku v dátovej vede.

Úvod do Pandy: Váš spojenec pri manipulácii so skutočnými údajmi

pandy je postavený na nemotorný, ale pridáva rozhranie Zameraný na tabuľkové dátové štruktúry ako DataFrame y SeriesSkutočne užitočná vec na Pandas je, že môžete rýchlo načítať súbory CSV, Excel, JSON alebo SQL a pracovať s nimi. ako keby ste mali tabuľku v kódeAk sa chcete hlbšie ponoriť do základných pojmov, odporúčame vám prečítať si naše Úvod do programovania v Pythone.

Načítanie údajov zo súboru CSV:

df = pd.read_csv("archivo.csv")

Un DataFrame Má riadky a indexy, podobne ako tabuľka v Exceli. K stĺpcom môžete pristupovať priamo podľa názvu:

df
# o también df.nombre, si no hay espacios

Hlavné operácie, ktoré môžete vykonávať:

• Filtrovať riadky [pre podmienky ako napríklad df > 30]
• Vyberte stĺpce špecifické s df]
• Upraviť hodnoty v konkrétnej bunke pomocou df.at = "Carlos"
• Nahradiť chýbajúce hodnoty: df.fillna(0)
• Zoskupovať a agregovať: df.groupby("mesto").mean()

Pandas vám tiež umožňuje konvertovať dátumy, triediť hodnoty, pracovať s textom a oveľa viac. Ak sa chcete dozvedieť viac o údajoch a o tom, ako s nimi manipulovať, môžete si pozrieť náš článok o odstrániť duplicitné riadky v textových súboroch, čo môže doplniť vaše znalosti o čistení dát.

Súvisiaci článok:

Kompletný úvod do programovania v Pythone s praktickými príkladmi

Isaac

Vášnivý spisovateľ o svete bajtov a technológií všeobecne. Milujem zdieľanie svojich vedomostí prostredníctvom písania, a to je to, čo urobím v tomto blogu, ukážem vám všetko najzaujímavejšie o gadgetoch, softvéri, hardvéri, technologických trendoch a ďalších. Mojím cieľom je pomôcť vám orientovať sa v digitálnom svete jednoduchým a zábavným spôsobom.

  Koľko stojí „prosím“ a „ďakujem“ na ChatGPT? Skutočná cena digitálnej zdvorilosti