Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  1. Учебники по Pandas и Numpy

Pandas

PreviousРасчет натурального логарифма на PythonNextPython сводные таблицы – Полное руководство

Last updated 5 days ago

Pandas — это популярная библиотека Python, используемая для манипуляции табличными данными. Она предоставляет универсальный объект dataframe, который может читать данные из многих популярных форматов, таких как Excel, SQL, CSV и др. Она предлагает невероятно полезные методы как для изменения формы ваших данных, так и для анализа ваших данных различными способами.

– Узнайте все, что вам нужно знать о сводных таблицах Pandas в этом подробном руководстве, охватывающем универсальную функцию. Вы научитесь работать с многоуровневыми сводными таблицами и создавать собственные пользовательские функции для анализа данных.

– Узнайте, как стилизовать ваш DataFrame в Pandas различными способами, используя цвет и форматирование значений, чтобы лучше иллюстрировать важность представляемых данных. API стилизации Pandas предоставляет вам множество различных инструментов, которые значительно упрощают работу со стилизацией табличных данных.

  • Метод groupby в Pandas - мощный инструмент, позволяющий агрегировать данные с использованием простого синтаксиса, при этом скрывая сложные вычисления. Одно из главных преимуществ метода groupby - возможность группировки по нескольким столбцам и даже применение нескольких преобразований. К концу этого учебника вы научитесь...

  • Узнайте, как использовать Pandas для удаления индексной колонки DataFrame с помощью методов reset_index и set_index, а также как читать csv-файлы без индекса.

  • Узнайте, как использовать метод quantile в Pandas для расчета процентилей, включая модификацию интерполяции значений.

  • В этом посте вы узнаете, как рассчитать скользящее среднее в Pandas с использованием функции rolling(). Скользящие средние также известны как движущиеся средние. Создание скользящего среднего позволяет "сгладить" небольшие колебания в наборах данных, одновременно получая представление о тенденциях. Часто его используют в макроэкономике, например, в таких показателях, как уровень безработицы, валовой внутренний продукт и цены на акции.

  • . Добро пожаловать в наше подробное руководство по использованию метода fillna в Pandas! Обработка отсутствующих данных - это важный шаг в процессе очистки данных. Он обеспечивает достоверность, точность и консистентность результатов анализа. К счастью, использование метода .fillna() в Pandas может значительно упростить работу с такими неприятными значениями, как "NaN" или "null". В этом учебном пособии мы рассмотрим…

  • Pandas предлагает множество различных способов работы с уникальными значениями. Узнайте, как получить уникальные значения в виде списка, получить уникальные значения по столбцам и многое другое!

  • Вы можете легко распаковать и преобразовать данные с помощью Python, используя Pandas и функцию Melt! Узнайте, как это сделать, из этого подробного обзора!

  • В этом учебнике мы глубоко погрузимся в один из самых важных и универсальных инструментов библиотеки Pandas — функцию date_range. Независимо от того, только ли вы начинаете изучать возможности Pandas или уже являетесь опытным пользователем, эта функция обязательно должна быть в вашем инструментарии Python. Это откроет для вас…

  • Узнайте, как использовать метод сброса индекса в Pandas для сброса индекса, включая работу с мультииндексом и удаление оригинального индекса.

  • Узнайте, как использовать метод replace в Pandas для замены значений по столбцам и во всем DataFrame, включая использование регулярных выражений.

  • Владение навыками работы с DataFrame в Pandas и их манипуляция является необходимым умением для каждого, кто работает в области анализа данных или науки о данных. Поскольку Pandas становится повсеместным инструментом для аналитиков данных, важно уметь подготавливать DataFrame к презентации. В этом руководстве вы узнаете, как использовать Pandas для перемещения столбца DataFrame…

  • В этом руководстве вы узнаете о библиотеке pandas в Python! Библиотека позволяет работать с табличными данными в привычном и доступном формате. pandas обеспечивает невероятную простоту, когда это необходимо, но также позволяет глубоко погружаться в поиск, манипулирование и агрегирование данных. pandas является одной из самых ценных библиотек для преобразования данных…

  • Работа с отсутствующими данными является важным навыком для любого аналитика данных или специалиста по данным! Во многих случаях вам захочется заменить ваши отсутствующие данные или значения NaN на нули. В этом уроке вы узнаете, как использовать Pandas для замены значений NaN на нули. Это обычный навык, который является частью лучше…

  • Файлы Pickle - это сериализованные структуры данных, позволяющие сохранять состояние данных между сессиями. Файлы Pickle невероятно распространены в науке о данных. В этом учебнике вы узнаете, как сериализовать DataFrame Pandas в файл Pickle. Это важная функция, которую необходимо понимать, учитывая распространенность файлов Pickle в рабочих процессах науки о данных.…

  • В этом уроке вы узнаете, как преобразовать Pandas DataFrame в объект и файл JSON с использованием Python. Большинство языков программирования могут читать, анализировать и работать с JSON. Поэтому знание того, как преобразовать Pandas DataFrame в JSON, является важным навыком. Pandas предоставляет много гибкости при конвертации DataFrame…

  • В этом посте вы узнаете, как использовать Python для преобразования DataFrame Pandas в словарь. Поскольку DataFrame в Pandas - это сложные структуры данных, существует множество различных способов, которыми это может быть сделано. В этом посте рассматриваются все различные опции, которые предоставляет Pandas! Например, Pandas позволяет конвертировать…

  • В этом посте вы научитесь преобразовывать Pandas DataFrame в список, включая список списков, список кортежей и список словарей. Умение преобразовывать Pandas DataFrame в различные форматы позволяет работать с разными библиотеками, которые могут не принимать Pandas DataFrame. Pandas предоставляет вам...

  • В этом руководстве вы узнаете, как использовать функцию Pandas read_parquet для чтения файлов Parquet в Pandas. Хотя файлы CSV могут быть повсеместно используемым форматом файлов для аналитиков данных, они имеют ограничения по мере увеличения размера ваших данных. Здесь на помощь приходят файлы Apache Parquet! По завершении этого руководства вы научитесь:…

  • В этом уроке вы узнаете, как использовать метод dropna() в Pandas для удаления отсутствующих значений в DataFrame Pandas. Работа с отсутствующими данными является одним из ключевых навыков при очистке ваших данных перед их анализом. Поскольку очистка данных может занимать до 80% времени аналитика данных / ученого-данных, важно уметь…

  • В этом руководстве вы узнаете, как добавить новый столбец в DataFrame Pandas. Библиотека Pandas предоставляет удобный способ работы с табличными данными. Одна из наиболее частых задач, с которыми вы столкнетесь, - это необходимость добавления дополнительных данных в DataFrame Pandas.

  • В этом руководстве вы узнаете, как использовать Pandas для подсчёта уникальных значений. Вы научитесь подсчитывать уникальные значения в столбце, в нескольких столбцах и во всём DataFrame. Умение подсчитывать уникальные значения может быть полезным во многих случаях. Например, это может пригодиться при тестировании вашего кода.

  • В этом уроке вы узнаете, как изменить настройки отображения в Pandas для отображения всех столбцов, а также всех строк в вашем DataFrame. По умолчанию Pandas ограничивает количество отображаемых столбцов и строк. Хотя это может быть полезным с точки зрения возможности чтения содержимого, это часто может привести…

  • В этом учебнике вы узнаете, как сохранить свой DataFrame или DataFrames Pandas в файлы Excel. Умение сохранять данные в этом повсеместно используемом формате данных является важным навыком во многих организациях. Вы узнаете, как сохранить простой DataFrame в Excel, а также как настроить свои параметры для создания…

  • В этом учебнике вы узнаете, как использовать Python и Pandas для чтения файлов Excel с помощью функции pandas read_excel. Файлы Excel повсюду — и хотя они могут не быть идеальным типом данных для многих специалистов по данным, знание того, как с ними работать, является важным навыком.

  • В этом уроке вы узнаете, как преобразовать список словарей Python в Pandas DataFrame. Pandas предоставляет несколько различных способов для преобразования словарей в DataFrame. Вы узнаете, как использовать метод from_dict, конструктор DataFrame и функцию json_normalize. К концу этого урока вы…

  • В этом уроке вы узнаете, как добавить (или вставить) строку в DataFrame Pandas. Вы узнаете, как добавить одну строку, несколько строк и на конкретные позиции. Вы также узнаете, как добавить строку, используя список, серию и словарь.

  • В этом учебнике вы узнаете, как использовать Pandas для создания диаграммы рассеяния. Pandas использует Matplotlib, что делает настройку вашего графика знакомым процессом. С помощью Pandas вы можете настроить диаграмму рассеяния, изменяя цвета, добавляя заголовки и многое другое. В более поздних версиях Pandas включил возможность использовать различные…

  • В этом руководстве вы узнаете, как использовать функцию Pandas to_datetime для преобразования столбца Pandas в дату и время. Pandas предоставляет огромное количество методов и функций, которые делают работу с датами невероятно гибкой. Однако данные не всегда правильно считываются.

  • В этом уроке вы узнаете, как погрузиться в удивительный мир Pandas. Pandas - это пакет Python, который предоставляет быстрые и гибкие структуры данных, используемые для манипуляции и анализа данных. К концу этого урока вы узнаете, как: Установить pandas для Python с помощью pip или conda Понять серию pandas…

  • В этом уроке вы узнаете, как индексировать, выбирать и присваивать данные в DataFrame Pandas. Понимание того, как индексировать и выбирать данные, является важным первым шагом в любой исследовательской работе, которую вы возьмете на себя в области данных. Аналогичным образом, знание того, как присваивать значения в Pandas, может открыть для вас целый новый мир возможностей…

  • В этом уроке вы узнаете, как быстро суммировать и анализировать Pandas DataFrame. К концу этого урока вы сможете проводить некоторый исследовательский анализ вашего набора данных с помощью pandas. Вы узнаете, как рассчитывать общие характеристики вашего набора данных, такие как меры центральной тенденции или меры разброса. Вы…

  • В этом уроке вы узнаете, как преобразовывать столбцы DataFrame в Pandas с использованием векторизованных функций и пользовательских функций с использованием методов map и apply. К концу этого урока вы будете хорошо понимать, как Pandas применяет векторизованные функции и как они оптимизированы для производительности. Вы также научитесь использовать пользовательские…

  • В этом руководстве вы узнаете, как группировать данные в Python с помощью функций Pandas cut и qcut. Вы узнаете, почему группировка данных полезна в Pandas и как её можно использовать для лучшей организации и анализа информации. К концу этого руководства вы научитесь: использовать функции cut и...

  • В этом руководстве вы узнаете, как работать с датами, временем и DateTime в Pandas и Python. Работа с DateTime в Python и Pandas может быть сложной. Это руководство направлено на то, чтобы сделать сложное простым, сосредоточившись на том, что вам нужно знать для начала и чтобы уметь находить дополнительную информацию…

  • В этом руководстве вы научитесь очищать и готовить данные в DataFrame Pandas. Вы узнаете, как работать с отсутствующими данными, как работать с дублирующимися данными и как справляться с неструктурированными строковыми данными. Умение эффективно очищать и подготавливать набор данных — важный навык. Многие специалисты по данным оценивают, что они тратят...

  • Метод pandas groupby - это невероятно мощный инструмент, помогающий приобрести эффективное и значимое понимание вашего набора данных. Всего за несколько простых для понимания строк кода вы можете агрегировать свои данные невероятно прямолинейными и мощными способами. К концу этого урока вы узнаете, как метод Pandas .groupby()…

  • В этом уроке вы узнаете, как использовать Pandas для извлечения частей даты из столбца datetime, таких как дата, год и месяц. Pandas предоставляет множество простых способов извлечения частей из объекта datetime, включая использование доступа .dt. В конце этого урока вы узнаете, как…

  • Узнайте, как использовать Pandas для получения номера строки, соответствующей условию или нескольким условиям, а также как подсчитывать строки, соответствующие условиям.

  • Узнайте, как использовать Pandas для вычисления взвешенного среднего в Python, применяя groupby, numpy и функцию zip между двумя списками.

  • Узнайте, как перемешать Pandas Dataframe с помощью трех различных методов, включая возможность воспроизведения результатов перемешивания.

  • Узнайте, как с помощью Python и Pandas подсчитать количество столбцов в DataFrame, включая подсчет столбцов, соответствующих определенному условию.

  • Узнайте, как использовать Pandas для подсчета суммы: сложение столбцов и строк DataFrame, а также условное сложение столбцов.

  • Узнайте, как использовать метод diff в Pandas для вычисления разницы между строками и столбцами DataFrame, включая определенные интервалы

  • Узнайте, как нормализовать и стандартизовать Pandas Dataframe с помощью sklearn, включая масштабирование по максимальному абсолютному значению, min-max масштабирование и z-оценочное масштабирование.

  • Узнайте, как использовать метод rank в Pandas для ранжирования данных, включая ранжирование сгруппированного DataFrame

  • Узнайте, как использовать метод describe в Pandas для генерации сводной статистики вашего Dataframe, включая изменение процентилей.

  • Узнайте, как использовать функцию shift в Python Pandas для перемещения строк в DataFrame вверх или вниз, включая работу с временными рядами и отсутствующими данными.

  • Узнайте, как выполнять выборку данных в Pandas с использованием Python, включая применение функции sample, воспроизведение результатов и выборку данных с заданным весом.

  • Используйте Python и Pandas для экспорта DataFrame в CSV файл с помощью .to_csv, включая изменение разделителей, кодировки и значений для отсутствующих данных.

  • Узнайте, как использовать Python и Pandas для итерации по строкам DataFrame, почему векторизация лучше, и как использовать iterrows и itertuples.

  • Узнайте, как использовать Python и Pandas для преобразования значений столбца датафрейма в строки, включая оптимизацию памяти и эффективности.

  • Узнайте, как вычислить дисперсию переменной в Pandas, включая вычисление для одного столбца, нескольких столбцов или всего датафрейма.

  • Узнайте, как создать DataFrame Pandas из списков, включая использование списков списков, функции zip() и способы добавления столбцов и индекса.

  • Узнайте, как переименовать индекс в Pandas, включая одиночный или мультииндекс, а также как полностью удалить имя индекса

  • Узнайте, как использовать Pandas для подсчёта уникальных значений в объекте GroupBy, что позволяет считать различные значения с помощью популярного метода.

  • Узнайте, как использовать Pandas для добавления дней к колонке с датами, как постоянные значения, так и на основе другой колонки, с помощью функции.

  • Узнайте, как рассчитать среднее в Pandas, включая вычисление по колонке, датафрейму, строке, и с учетом пустых значений.

  • Узнайте, как конвертировать колонку Pandas в список с помощью этого руководства. Изучите три разных способа достижения этого, все очень простые для понимания!

  • Узнайте, как транспонировать dataframe в pandas, включая работу с разными типами данных и возможные результаты.

  • Узнайте, как разделить DataFrame Pandas в Python. Научитесь разделять dataframe по значению столбца, по позиции и по случайным значениям..

  • Узнайте, как получить столбцы Pandas в виде списка, отсортированного списка, и как проверить, существует ли столбец в конкретном DataFrame

  • Узнайте, как подсчитать количество строк в Pandas DataFrame, включая способы определения количества строк, содержащих значение или соответствующих условию.

  • В этой статье вы узнаете, как создать пустой DataFrame в Pandas и как добавлять в него данные построчно, а также как добавлять строки с помощью цикла.

  • Изучите способы переименования столбцов в Pandas с помощью метода .rename(). Узнайте, как переименовать один столбец, все столбцы, включая автоматическое переименование.

  • Узнайте различные способы изменения порядка столбцов в DataFrame Pandas, включая использование функции reindex из Pandas и кастомных функций.

  • Функция get_dummies из библиотеки Pandas позволяет легко выполнять one-hot кодирование ваших наборов данных для последующего использования в алгоритмах машинного обучения.

  • В этом посте вы узнаете, как вычислять относительные и абсолютные частоты, используя чистый Python, а также популярную библиотеку для анализа данных, Pandas. Относительная частота показывает, как часто определенное значение встречается в наборе данных по отношению к общему количеству значений в этом наборе. Абсолютная частота, в свою очередь, просто измеряет, как часто...

  • Узнайте, как вычислять финансовый год в Pandas и как форматировать эти финансовые годы нестандартными способами.

  • Узнайте, как сортировать данные в DataFrame Pandas, включая сортировку в порядке возрастания или убывания, а также сортировку по нескольким столбцам.

  • The Pandas value_counts functioncounts values in a Pandas dataframe. Learn to normalize, include missing values, and combine with groupby.

  • Learn how to use Pandas to drop columns and rows in a dataframe, including how to drop columns or rows based on conditions.

  • Pandas is one of the quintessential libraries for data science in Python. A useful skill is the ability to create new columns, either by adding your own data or calculating data based on existing data. Video Tutorial Loading Dataset Let’s start off the tutorial by loading the dataset we’ll use throughout the tutorial. We can…

  • The Pandas crosstab function is one of the many ways in which Pandas allows you to customize data. On the surface, it appears to be quite similar to the Pandas pivot table function, which I’ve covered extensively here. This post will give you a complete overview of how to best leverage the function. The crosstab…

  • Learn how to drop duplicates in Pandas, including keeping the first or last instance, and dropping duplicates based only on a subset of columns.

  • Learn how to easily scrape data from the web without having to build a complex web scraping script!

  • Learn what histograms are and how to create them in Python with Matplotlib and Pandas.

  • Learn all the ways in which to filter pandas dataframes in this tutorial, including filtering dates, multiple columns, using the iloc, loc and query functions!

  • In this tutorial, you’ll learn how to select all the different ways you can select columns in Pandas, either by name or index. You’ll learn how to use the loc, iloc accessors and how to select columns directly. You’ll also learn how to select columns conditionally, such as those containing a specific substring. By the end of this tutorial,…

  • Explore the how to style Pandas dataframes and make them presentation ready, including how to add conditional formatting and data type labels!

  • You may be familiar with pivot tables in Excel to generate easy insights into your data. In this post, you’ll learn how to create pivot tables in Python and Pandas using the .pivot_table() method. This post will give you a complete overview of how to use the .pivot_table() function! Being able to quickly summarize data…

  • In this post, we’ll explore how binning data in Python works with the cut() method in Pandas. In the past, we’ve explored how to use the describe() method to generate some descriptive statistics. In particular, the describe method allows us to see the quarter percentiles of a numerical column. However, as we’re generating insight into…

  • In this tutorial, you’ll learn how to use Python and Pandas to VLOOKUP data in a Pandas DataFrame. VLOOKUPs are common functions in Excel that allow you to map data from one table to another. In many cases, this can be used to lookup data from a reference table, such as mapping in, say, a…

Библиотека

Книга
Скачать

Python сводные таблицы – Полное руководство
Исследуем API стилизации Pandas
Объяснение группировки по нескольким столбцам в Pandas с примерами
Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
Pandas Quantile: Расчет процентилей в DataFrame
Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
Pandas unique(): Получение уникальных значений в DataFrame
Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
Pandas date_range: Как Создать Диапазон Дат в Pandas
Сброс индекса в Pandas: как сбросить индекс в Pandas
Pandas replace() – Замена значений в DataFrame Pandas
Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
Python Pandas Руководство: Полное Руководство
Pandas: Замена NaN на нули
Преобразование DataFrame Pandas в файл Pickle
Конвертация Pandas DataFrame в JSON
Преобразование DataFrame Pandas в Словарь
Преобразование Pandas DataFrame в Список
Чтение файлов Parquet в Pandas с помощью pd.read_parquet
Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
Как Добавить Новый Столбец в DataFrame Pandas
Подсчёт уникальных значений в Pandas
Отображение всех столбцов и строк в DataFrame Pandas
Pandas to_excel: Запись DataFrames в файлы Excel
Как использовать Pandas для чтения файлов Excel в Python
Преобразование списка словарей в Pandas DataFrame
Как добавить/вставить строку в DataFrame Pandas
Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
Pandas to_datetime: Преобразование строки Pandas в дату и время
Введение в Pandas для Data Science
Индексация, Выборка и Присваивание Данных в Pandas
Суммирование и анализ Pandas DataFrame
Преобразование столбцов Pandas с помощью map и apply
Группировка данных в Pandas с использованием cut и qcut
Дата и время в Pandas и Python
Очистка и подготовка данных в Pandas и Python
Pandas GroupBy: группировка, суммирование и агрегация данных в Python
Pandas Дата и Время в Части Даты (месяц, год и т.д.)
Pandas: Получение номера строки из DataFrame
Вычисление Взвешенного Среднего в Pandas и Python
Как перемешать строки Pandas Dataframe в Python
Pandas: количество столбцов (подсчет столбцов в DataFrame)
Pandas Sum: сложение столбцов и строк DataFrame
Pandas Diff: Вычисление Разницы Между Строками Pandas
Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
Pandas Describe: Описательная статистика вашего Dataframe
Pandas Shift: Перемещение столбца DataFrame вверх или вниз
7 Способов Выполнения Выборки Данных в Pandas
Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
Pandas: Итерация по строкам DataFrame в Pandas
Pandas: Преобразование значений столбца в строки
Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
Pandas: Создание DataFrame из списков (5 способов!)
Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
Pandas: Подсчёт уникальных значений в объекте GroupBy
Pandas: Добавить дни к колонке с датами
Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
Pandas Column to List – Конвертируйте колонку Pandas в список
Транспонирование Dataframe в Pandas
Python: Разделение DataFrame Pandas
Как получить имена столбцов в DataFrame Pandas
Pandas: Количество строк в DataFrame (6 способов)
Создание пустого DataFrame Pandas и добавление данных
Как переименовать столбцы в Pandas DataFrame (с примерами)
Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
Pandas get_dummies (One-Hot кодирование), объяснение
Относительные и Абсолютные Частоты в Python и Pandas
Финансовый год – Определение финансового года в Pandas
Как сортировать данные в DataFrame Pandas
Pandas Value_counts to Count Unique Values
How to Drop One or More Columns in Pandas
Create New Columns in Pandas
Read More »Create New Columns in Pandas
Pandas Crosstab – Everything You Need to Know
Read More »Pandas Crosstab – Everything You Need to Know
Pandas drop_duplicates: Drop Duplicate Rows in Pandas
Use Pandas & Python to Extract Tables from Webpages (read_html)
Plotting a Histogram in Python with Matplotlib and Pandas
All the Ways to Filter Pandas Dataframes
Selecting Columns in Pandas: Complete Guide
Read More »Selecting Columns in Pandas: Complete Guide
Exploring the Pandas Style API
Pivot Tables in Pandas with Python
Read More »Pivot Tables in Pandas with Python
Binning Data in Python with Pandas’ cut()
Read More »Binning Data in Python with Pandas’ cut()
VLOOKUP in Python and Pandas using .map() or .merge()
Read More »VLOOKUP in Python and Pandas using .map() or .merge()
Абдрахманов_М_И_Pandas_Работа_с_данными_2020.pdf