Pandas Tutorial
Pandas ist eine Open-Source-Bibliothek, die auf der NumPy-Bibliothek aufbaut. Es ist ein Python-Paket, das verschiedene Datenstrukturen und Operationen zur Bearbeitung numerischer Daten und Zeitreihen bietet. Es ist vor allem für den Import und die Analyse von Daten viel einfacher beliebt. Pandas ist schnell und bietet eine hohe Leistung und Produktivität für Benutzer.
Dieses Pandas-Tutorial hilft Ihnen dabei, Pandas aus den Grundlagen zu lernen, um Datenanalysevorgänge voranzutreiben, einschließlich aller erforderlichen Funktionen, die ausführlich erläutert werden.
Inhaltsverzeichnis
Pandas Übe Probleme mit Lösungen!
Aktuelle Artikel zu Python Pandas!
Einführung
- Einführung in Pandas in Python
- Wie installiere ich Python Pandas unter Windows und Linux?
- So verwenden Sie Jupyter Notebook - Eine ultimative Anleitung
Objekte erstellen
- Python | Pandas DataFrame
- Erstellen eines Pandas DataFrame
- Python | Pandas-Serie
- Erstellen einer Pandas-Serie
Daten anzeigen
- Zeigen Sie die oberen Reihen des Rahmens an
- Zeigen Sie die unteren Reihen des Rahmens an
- Grundlegende statistische Details anzeigen
- Konvertieren Sie den Pandas DataFrame in numpy Array
- Konvertieren Sie die Pandas-Serie in numpy Array
- Konvertieren Sie Serien- oder Datenrahmenobjekte mit .as_matrix() in ein Numpy-Array.
Auswahl
- Umgang mit Zeilen und Spalten in Pandas DataFrame
- So wählen Sie mehrere Spalten in einem Pandas-Datenrahmen aus
- Python | Pandas Zeilen mit .loc extrahieren []
- Python | Zeilen mit Pandas extrahieren .iloc []
- Indizieren und Auswählen von Daten mit Pandas
- Boolesche Indizierung in Pandas
- Label- und Integer-basierte Slicing-Technik mit DataFrame.ix []
?? Aktuelle Artikel zur Pandas-Indexierung
Daten bearbeiten
- Hinzufügen einer neuen Spalte zu einem vorhandenen DataFrame in Pandas
- Python | Löschen Sie Zeilen / Spalten aus DataFrame
- Schneiden Sie einen DataFrame vor und nach einem Indexwert ab
- Schneiden Sie eine Serie vor und nach einem Indexwert ab
- Durchlaufen von Zeilen und Spalten in Pandas DataFrame
- Arbeiten mit fehlenden Daten in Pandas
- Sortiert einen Datenrahmen in Pandas | Set 1
- Sortiert einen Datenrahmen in Pandas | Set-2
Daten gruppieren
- Pandas GroupBy
- Gruppieren von Zeilen in Pandas
- Kombinieren mehrerer Spalten in Pandas groupby mit Wörterbuch
Zusammenführen, Verbinden und Verketten
- Python | Pandas verschmelzen, verbinden und verketten
- Strings verketten
- Fügen Sie Zeilen an Dataframe an
- Verketten Sie zwei oder mehr Serien
- Fügen Sie eine einzelne oder eine Sammlung von Indizes hinzu
- Kombinieren Sie zwei Serien zu einer
- Fügen Sie oben in pandas DataFrame eine Zeile hinzu
- Verbinden Sie alle Elemente in der Liste, die in einer Reihe vorhanden sind
- Verbinden Sie in Pandas zwei Textspalten zu einer einzigen Spalte
Arbeiten mit Datum und Uhrzeit
- Python | Arbeiten mit Datum und Uhrzeit mit Pandas
- Zeitstempel mit Pandas
- Aktuelle Zeit mit Pandas
- Zeitstempel in ISO-Format konvertieren
- Holen Sie sich mit Pandas ein Datum / Uhrzeit-Objekt
- Ersetzen Sie die Elementwerte des angegebenen Zeitstempels
- Konvertieren Sie die Zeichenfolge Datumszeit mithilfe von Pandas in ein Python Datumszeitobjekt
- Holen Sie sich mit Pandas einen DatetimeIndex mit fester Frequenz
Arbeiten mit Textdaten
- Python | Pandas arbeiten mit Textdaten
- Konvertieren Sie String in Klein-, Groß- oder Kamelbuchstaben
- Textwert ersetzen
- Ersetzen Sie den Textwert mit series.replace()
- Leerzeichen entfernen
- Verschieben Sie Daten mit Pandas um eine bestimmte Anzahl gültiger Daten vorwärts
Arbeiten mit CSV- und Excel-Dateien
- Lesen Sie CSV mit Pandas
- Speichern eines Pandas-Datenrahmens als CSV
- Laden einer Excel-Tabelle als Pandas DataFrame
- Erstellen eines Datenrahmens mithilfe von Excel-Dateien
- Arbeiten mit Pandas und XlsxWriter | Set 1
- Arbeiten mit Pandas und XlsxWriter | Set - 2
- Arbeiten mit Pandas und XlsxWriter | Set - 3
Operationen
- Wenden Sie eine Funktion auf die möglichen Serien an
- Wenden Sie die Funktion auf jede Zeile in einem Pandas DataFrame an
- Wenden Sie eine Funktion auf jedes Element der Reihe an
- Aggregationsdaten über eine oder mehrere Spalten
- Mittelwert der Werte für die angeforderte Achse
- Mittelwert der zugrunde liegenden Daten in der Serie
- Mittlere absolute Abweichung der Werte für die angeforderte Achse
- Mittlere absolute Abweichung der Werte für die Serie
- Unvoreingenommener Standardfehler des Mittelwerts
- Suchen Sie die Serie mit der Anzahl eindeutiger Werte
- Suchen Sie mit Index.value_counts() die Serie mit der Anzahl eindeutiger Werte.
Visualisierung
- Integrierte Datenvisualisierung von Pandas
- Datenanalyse und Visualisierung mit Python | Set 1
- Datenanalyse und Visualisierung mit Python | Set 2
- Box-Plot-Visualisierung mit Pandas und Seaborn
Anwendungen und Projekte
- So erstellen Sie eine vLookup in Python mit Pandas
- Konvertieren Sie CSV in HTML-Tabelle in Python
- KDE-Plot-Visualisierung mit Pandas und Seaborn
- Analyse des Verkaufspreises von Gebrauchtwagen mit Python
- Fügen Sie dem Jupyter-Notizbuch mithilfe von Pandas CSS hinzu
Verschiedenes
- Weitere Funktionen auf Python-Pandas
- Weitere Artikel zu pandas-dataframe
- Weitere Funktionen auf pandas-dataframe
- Weitere Artikel zu Pandas-Serien
- Weitere Funktionen für Pandas-Serien
- Weitere Artikel zu Pandas-General-Funktionen
- Weitere Funktionen zu pandas-datetime
- Weitere Funktionen von pandas-datetimeIndex
- Weitere Funktionen zu pandas-timedelta
- Weitere Funktionen von pandas-TimeDeltaIndex
- Weitere Funktionen auf pandas-Timestmap
- Weitere Funktionen zu pandas-series-datetime
- Weitere Funktionen auf pandas-multiindex