Làm chủ Pandas, NumPy, Matplotlib và Seaborn trong Python

Mundobytes » Dữ liệu lớn » Làm chủ Pandas, NumPy, Matplotlib và Seaborn cho khoa học dữ liệu trong Python

Sự kết hợp tối ưu giữa Pandas và NumPy để phân tích số và xử lý dữ liệu.
Hình ảnh trực quan nâng cao với Matplotlib và Seaborn: từ biểu đồ đơn giản đến bản đồ nhiệt.
Các ví dụ thực tế hoàn chỉnh kết hợp giữa việc dọn dẹp, phân tích và trực quan hóa dữ liệu.
Ứng dụng thực tế trong khoa học dữ liệu sử dụng tập dữ liệu thực, có mã và giải thích.

Trực quan hóa dữ liệu với Python

Khoa học dữ liệu đã trở thành một trong những ngành mạnh mẽ và được săn đón nhất trong thế giới công nghệ. Python , với tư cách là một ngôn ngữ lập trình linh hoạt và dễ tiếp cận , cung cấp vô số công cụ để giải quyết các dự án phân tích dữ liệu phức tạp. Trong số đó có Pandas , NumPy , Matplotlib và Seaborn — bốn thư viện vô cùng hữu ích có thể giúp bạn chuyển đổi lượng thông tin khổng lồ thành những hiểu biết có thể hành động được.

Cho dù bạn mới bắt đầu trong thế giới này hay chỉ muốn trau dồi kỹ năng của mình, hướng dẫn toàn diện này sẽ chỉ cho bạn cách kết hợp các thư viện này để thực hiện mọi thứ, từ các hoạt động dọn dẹp cơ bản đến hình ảnh thống kê nâng cao. Mọi thứ đều được giải thích bằng các ví dụ thực tế, ngôn ngữ tự nhiên và phương pháp áp dụng 100%.

Tại sao nên sử dụng Pandas, NumPy, Matplotlib và Seaborn cùng nhau?

Một trong những bí quyết lớn nhất của các nhà khoa học dữ liệu hiệu quả nhất là biết cách tích hợp các thư viện cho phép họ xử lý, phân tích và trực quan hóa dữ liệu một cách tối ưu. Đây là lúc Pandas , NumPy , Matplotlib và Seaborn phát huy tác dụng.

numpy tập trung vào tính toán khoa học với các mảng đa chiều và các hoạt động vector hóa.
Gấu trúc đóng góp cấu trúc dữ liệu như Series y DataFrame để sắp xếp và thao tác các mảng bảng.
Matplotlib hãy tạo đồ họa từ đầu, với tổng số tùy biến.
sơ sinh nó dựa trên Matplotlib nhưng thêm vào đồ thị thống kê trực quan rõ ràng và dễ nhìn hơn.

Khi kết hợp các công cụ này, bạn có thể chuyển từ việc đọc dữ liệu sang thực hiện phân tích thống kê , phát hiện mối tương quan , biểu diễn đồ thị phân bố , và thậm chí tạo ra các báo cáo trực quan giải thích rõ ràng các mô hình phức tạp.

Cài đặt thư viện và bắt đầu

Trước khi bắt đầu phân tích, bạn cần chuẩn bị sẵn các công cụ . Việc cài đặt rất đơn giản:

pip install numpy pandas matplotlib seaborn

Trong sổ ghi chép Jupyter, bạn có thể sử dụng:

!pip install numpy pandas matplotlib seaborn

Sau khi cài đặt, bạn có thể nhập chúng theo cách chuẩn mà cộng đồng Python áp dụng:

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

%matplotlib inline

Lưu ý quan trọng: lệnh %matplotlib inline đảm bảo đồ họa được hiển thị trực tiếp trong máy tính xách tay, thay vì mở một cửa sổ mới.

All Music Works: Sự đổi mới trong âm nhạc đang đánh dấu một bước tiến trước và sau

Các phần sau đây bao gồm mọi thứ từ các thao tác trên mảng đến trực quan hóa so sánh bằng cách sử dụng các tập dữ liệu thực.

Làm việc với mảng và các phép toán cơ bản với NumPy

NumPy là ngôn ngữ lập trình cơ bản cho việc xử lý số học . Thông qua mảng của nó, bạn có thể thực hiện phép nhân ma trận , các phép toán thống kê , lọc Boolean và nhiều hơn nữa.

Ví dụ cơ bản về việc tạo một mảng:

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

Bạn cũng có thể tạo mảng đa chiều :

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

NumPy cho phép bạn thực hiện các phép toán vector hóa mà không cần vòng lặp. Điều này có nghĩa là các phép tính nhanh hơn nhiều và tiết kiệm bộ nhớ hơn.

Ví dụ về trung bình , phương sai và hệ số tương quan :

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

Bạn cũng có thể thực hiện các phép tính như phép nhân ma trận-vector hoặc tính toán hồi quy tuyến tính sử dụng np.dot o np.linalgƯu điểm chính là numpy Đây là cơ sở tính toán mà các thư viện khác sử dụng, chẳng hạn như Gấu trúc o Học hỏiHiểu rõ về nó là chìa khóa để tiến bộ trong khoa học dữ liệu.

Giới thiệu về Pandas: Đồng minh của bạn để thao tác dữ liệu thực

Gấu trúc được xây dựng trên numpy, nhưng thêm một giao diện Tập trung vào cấu trúc dữ liệu dạng bảng như DataFrame y Series. Điều thực sự hữu ích về Pandas là bạn có thể nhanh chóng tải các tệp CSV, Excel, JSON hoặc SQL và làm việc như thể bạn có một bảng tính trong mãNếu bạn muốn tìm hiểu sâu hơn về các khái niệm cơ bản, chúng tôi khuyên bạn nên xem lại Giới thiệu về lập trình Python.

Tải dữ liệu từ tệp CSV:

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

DataFrame có các hàng và chỉ mục, tương tự như một bảng Excel. Bạn có thể truy cập trực tiếp các cột bằng tên của chúng:

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

Các thao tác chính bạn có thể thực hiện:

Lọc hàng [đối với các điều kiện như df > 30]
Chọn cột cụ thể với df]
Sửa đổi giá trị trong một ô cụ thể sử dụng df.at = "Carlos"
Thay thế các giá trị bị thiếu: df.fillna(0)
Nhóm và tổng hợp: df.groupby("thành phố").mean()

Pandas cũng cho phép bạn chuyển đổi ngày tháng, sắp xếp giá trị, làm việc với văn bản và nhiều hơn nữa. Để tìm hiểu thêm về dữ liệu và cách thao tác với dữ liệu, bạn có thể tham khảo bài viết của chúng tôi về cách loại bỏ các dòng trùng lặp trong tệp văn bản, bài viết này sẽ bổ sung thêm kiến thức của bạn về làm sạch dữ liệu.