팬더 치트 시트 1

Python의 데이터 과학을 위한 Pandas 치트 시트

코드 샘플을 포함하여 Python 데이터 분석 라이브러리 Pandas의 기본 사항에 대한 빠른 가이드입니다.
Pandas 라이브러리는 데이터 과학자가 데이터 조작 및 분석을 수행하는 데 가장 선호하는 도구 중 하나이며, 데이터 시각화를 위한 matplotlib 및 Pandas가 구축된 Python의 과학 컴퓨팅을 위한 기본 라이브러리인 NumPy 다음입니다.

빠르고 유연하며 표현력이 풍부한 Pandas 데이터 구조는 실제 데이터 분석을 훨씬 쉽게 하도록 설계되었지만 이제 막 시작하는 사람들에게는 당장 그렇지 않을 수도 있습니다. 이 패키지에 너무 많은 기능이 내장되어 있어 옵션이 압도적이기 때문입니다.

이 Pandas 치트 시트가 유용한 곳입니다.

Python으로 데이터 처리를 시작하는 데 필요한 Pandas의 기본 사항에 대한 빠른 가이드입니다.

따라서 Pandas로 데이터 과학 여정을 막 시작하는 경우 편리한 참조로 사용할 수 있고, 아직 시작하지 않은 경우 쉽게 배울 수 있는 가이드로 사용할 수 있습니다. 대해 알아보고 사용하세요.

Pandas 치트 시트는 데이터 구조에서 I/O, 선택, 인덱스 또는 열 삭제, 정렬 및 순위 지정, 적용하기 위해 작업 중인 데이터 구조의 기본 정보 검색 등 Pandas 라이브러리의 기본 사항을 안내합니다. 기능 및 데이터 정렬.

데이터 과학용 Python 치트 시트:

판다스 기초
다음 가져오기 규칙을 사용하십시오.
import pandas as pd
팬더 데이터 구조

시리즈

모든 데이터 유형을 보유할 수 있는 1차원 레이블 배열
s = pd.Series([3, -5, 7, 4], index=['a', 'b', 'c', 'd'])

A   3
B   5
C   7
D   4

데이터프레임

잠재적으로 다른 유형의 열이 있는 2차원 레이블 데이터 구조
data = {'Country': ['Belgium', 'India', 'Brazil'],
'Capital': ['Brussels', 'New Delhi', 'Brasilia'],'Population': [11190846, 1303171035, 207847528]}
df = pd.DataFrame(data,columns=['Country', 'Capital', 'Population'])

Country Capital Population
1   Belgium Brussels    11190846
2   India   New Delhi   1303171035
3   Brazil  Brasilia    207847528

첫 번째 열 1,2,3은 인덱스이고 국가, 자본, 인구는 열입니다.

도움을 요청

 help(pd.Series.loc)
I/O

CSV 읽기 및 쓰기

 pd.read_csv('file.csv', header=None, nrows=5)
 df.to_csv('myDataFrame.csv')

동일한 파일에서 여러 시트 읽기

 xlsx = pd.ExcelFile('file.xls')
df = pd.read_excel(xlsx,  'Sheet1')

Excel 읽기 및 쓰기

 pd.read_excel('file.xlsx')
 df.to_excel('dir/myDataFrame.xlsx',  sheet_name='Sheet1')

SQL 쿼리 또는 데이터베이스 테이블을 읽고 씁니다.

(read_sql()은 read_sql_table() 및 read_sql_query() 주변의 편의 래퍼입니다.)

from sqlalchemy import create_engine
engine = create_engine('sqlite:///:memory:')
pd.read_sql(SELECT * FROM my_table;, engine)
pd.read_sql_table('my_table', engine)
pd.read_sql_query(SELECT * FROM my_table;', engine)
df.to_sql('myDf', engine)