Как Записать Pandas Dataframe в Файлы Excel • Просмотр сведений

Основы Pandas — чтение файлов, DataFrame, отбор данных (часть 1)

Настоятельно рекомендуется самостоятельно писать весь код, который будет указан ниже в качестве примера. Все потому, что это практическое руководство. Надо не копировать, а именно переписывать самостоятельно.

Что нужно?

Изначально надо иметь версию Python хотя бы 3,7. Можно более новую. Помимо этого, должны быть установлены numpy, Pandas.

Далее надо подключиться к серверу. Если его нет, то можно создать локальный сервер, после чего запустить Jupyter. После этого открыть браузер, который подходит вам больше всего и открыть Jupyter Notebook. Далее создается ноутбук с названием pandas_tutorial_1 .

Далее надо импортировать numpy, pandas в Jupyter Notebook с использованием двух строчек кода.

Внимание! Чтобы обратиться к библиотеке, можно также воспользоваться аббревиатурой pd . Если в конце инструкции с import имеются as pd, Jupyter Notebook понимает, что в будущем, при вводе этих двух букв необходимо обратиться именно к библиотеке Pandas.

Теперь все настроено. Поэтому переходим к руководству по этой библиотеке. Начнем с вопроса, как правильно осуществлять открытие файлов с информацией с помощью этой библиотеки.

Открытие файла данных в Pandas

Хранение данных возможно в таблицах SQL либо в CSV-таблицах. Также есть вариант использования других форматов, в том числе, и Excel. Тем не менее, цель одинаковая. необходимо иметь структуру данных, которая будет совместимой с pandas.

Структуры данных в Python

Таких структур данных в Pandas есть две: Series и DataFrame.

Под первой подразумевается одномерная структура данных. В этом случае каждое значение имеет свой уникальный индекс.

А DataFrame уже считается двухмерной структурой. Это означает, что она состоит из колонок и строк. Каждый столбец имеет свое имя, а строка – индекс.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

Выглядит такая структура данных следующим образом.

Сегодня мы более подробно будем рассматривать второй вариант. Почему? Дело в том, что обработку большей части информации значительно проще осуществлять в двухмерной структуре.

Как загрузить .csv-файл в DataFrame?

Чтобы это сделать, необходимо использовать функцию read_csv() . Давайте начнем с образца, называющегося zoo . В этом случае вам надо создать этот файл самостоятельно. Сырые данные следующие.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

Теперь вернем ко вкладке Home Jupyter, чтобы сгенерировать новый текстовый файл.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

После этого выполняем копирование информации выше, чтобы вставить данные в этот файл.

Теперь давайте вернемся в Jupyter Notebook с именем pandas_tutorial_1 , чтобы открыть в нем этот файл. Чтобы это сделать, необходимо воспользоваться функцией read_csv() .

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

Все, теперь файл zoo.csv был перенесен в pandas и стал двухмерной таблицей DataFrame. Слева расположены индексы, а источником для названий столбцов вверху служит первая строка файла zoo.csv.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

В итоге, у нас получится такая таблица.

Здесь видим определенную проблему. На этот раз отсутствует заголовок, поэтому его настройку нужно выполнить самостоятельно. Для этого надо добавить в функцию параметры имен.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

Видим, что такой вариант лучше. Теперь файл .csv загружен в pandas DataFrame уже окончательно.

При этом есть и альтернативный метод. Загрузка файла с данными возможна и напрямую через адрес URL. В этом случае загрузки информации на сервер не будет .

А на практике это выполняется следующим образом. Напишите такой код.

Если вам интересно, что в этом наборе, то это набор информации о путешествиях из специализированного блога. Ну а о том, какие сведения хранятся в колонках, очевидно из самой таблицы.

Как осуществлять отбор данных из базы в Pandas?

Начнем с самых простых вариантов, а потом уже перейдем к разбору более сложных.

Вывод всего Dataframe

Стандартный метод – осуществлять вывод всех данных из Dataframe на экран. Для этого нет необходимости в том, чтобы запускать функцию pd.read_csv() каждый раз. Достаточно просто сохранить сведения в переменную при чтении.

Затем можно вызывать значение article_read для вывода данных таблицы уже каждый раз.

Как осуществлять вывод части Dataframe?

В некоторых случаях может понадобиться не выводить Dataframe целиком, заполнив экран данными, которые и не нужны в конкретной ситуации, а выбрать несколько строк, которые и будут выводиться. Например, первые 5 из них можно вывести следующим образом.

Если же нужно вывести последние 5 строк, то это делается так.

Как вывести конкретные колонки из таблицы?

А это уже более сложная задача. Допустим, необходимо поставить на вывод исключительно колонки country и user_id . Что в этом случае нужно делать? Использовать такую команду.

Основы Pandas - чтение файлов, DataFrame, отбор данных (часть 1)

А теперь вопрос: зачем здесь используются двойные квадратные скобки? На первый взгляд, ответ может быть довольно сложным, но логика, на самом деле, проста. Внешние скобки уведомляют pandas, что вы хотите выбрать колонки, а внутренние являют собой список. Да, самый обычный стандартный список Python, который всегда указывается в квадратных скобках.

Если мы заменим порядок имен колонок, результат вывода также будет другим. Это DataFrame выбранных колонок.

Внимание! В некоторых случаях необходимо получить доступ к объектам Series. Чтобы это сделать, есть один из следующих методов .

Как осуществить фильтрацию значений в таблице?

Этот шаг более сложный. Допустим, необходимо сохранить исключительно пользователей, представленных в источнике «SEO». Чтобы это сделать, надо выполнить фильтрацию по соответствующему значению. Для этого используется такая инструкция.

Использование функций одна за другой

Необходимо учитывать и то, что у Pandas логика линейная (точно такая же, как и в SQL). Следовательно, если вы применяете функцию, то возможно к ней применение другой же. В этом случае входящие данные последней функции будут выводом предыдущей. Например, давайте попробуем соединить эти два метода перебора.

С помощью первой строчки мы выбираем первые 5 строк из набора данных. Затем она выбирает колонки «country» и «user_id».

Есть ли возможность получения такого же результата, но используя другую цепочку функций? Конечно же!

Здесь сначала осуществляется выбор колонок, а затем берутся первые 5 строк. В результате, будет то же самое, просто будет отличаться порядок функций и особенности их выполнения.

А что будет, если заменить значение «article_read» на оригинальную функцию read_csv()?

Поэтому важно учитывать, что использование этой библиотеки подразумевает применение функций и методов последовательно, и ничего более.

Выводы

Таким образом, работать с Pandas не так сложно. Для начинающего data-scientist-а это очень простой инструмент, который при этом достаточно функциональный.

Как создать pandas DataFrame
Resampling мощный инструмент при работе с временными рядами (time series), помогающий переформировать выборку так, как удобно вам. Метод resample первым аргументом принимает строку rule. Все доступные значения можно найти в документации.
эксперт
Мнение эксперта
Михаил Соловьев, консультант по вопросам работы с продуктами Microsoft
Если у вас возникнут сложности, я помогу разобраться!
Задать вопрос эксперту
Например, чтобы прочитать данные из csv, в стандартном Python надо сначала решить, как хранить данные, затем открыть файл, прочитать его построчно, отделить значения друг от друга и очистить данные от специальных символов. Если же вы хотите что-то уточнить, обращайтесь ко мне!
Группировка данных один из самых часто используемых методов при анализе данных. В pandas за группировку отвечает метод .groupby. Я долго думал какой пример будет наиболее наглядным, чтобы продемонстрировать группировку, решил взять стандартный набор данных (dataset), использующийся во всех курсах про анализ данных — данные о пассажирах Титаника. Скачать CSV файл можно тут.
Как Записать Pandas Dataframe в Файлы Excel • Просмотр сведений

Введение в pandas: анализ данных на Python

Можно добавлять и новые строки: для этого нужно составить словарь с ключами — названиями столбцов. Если вы не укажете значения в каких-то столбцах, они по умолчанию заполнятся пустыми значениями NaN. Добавим еще одну страну под названием Country:

Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

Adblock
detector