ورقة غش الباندا: أهم الأوامر التي يجب أن تعرفها [2022]

أصبح تحليل البيانات نوعًا جديدًا من الدراسة ، وكل ذلك بفضل Python. إذا كنت محللًا متحمسًا للبيانات يعمل على Python ، فعليك استخدام مكتبة Pandas بشكل شبه كامل ، فهذه المقالة مناسبة لك. ستخوض ورقة الغش Pandas هذه من خلال جميع الطرق الأساسية التي تكون في متناول اليد أثناء تحليل البيانات. ربما واجهت مواقف يصعب فيها تذكر بناء الجملة المحدد لفعل شيء ما في Pandas. ستساعدك أوامر ورقة الغش في Pandas على تذكر عمليات Pandas الأكثر شيوعًا والرجوع إليها بسهولة. إذا كنت مبتدئًا في بايثون وعلوم البيانات ، يمكن لدورات upGrad لعلوم البيانات أن تساعدك بالتأكيد على الغوص بشكل أعمق في عالم البيانات والتحليلات.

استخدام ورقة غش الباندا

قبل استخدام ورقة الغش من Pandas ، يجب أن تتعلم تمامًا دروس Pandas ثم الرجوع إلى ورقة الغش هذه للتذكر والتخليص. ستساعدك ورقة الغش في Pandas على البحث بسرعة عن الأساليب التي تعلمتها بالفعل ، ويمكن أن تكون مفيدة حتى لو كنت ذاهبًا لامتحان أو مقابلة. لقد قمنا بتجميع وتجميع جميع الأوامر المستخدمة بشكل متكرر في Pandas بواسطة محلل بيانات لسهولة اكتشافها. في ورقة الغش Pandas هذه ، سنستخدم الاختصار التالي لتمثيل كائنات مختلفة.

• df: لتمثيل أي كائن Pandas DataFrame
• ser: لتمثيل أي كائن من سلسلة Pandas

يجب عليك استخدام هذه المكتبات التالية ذات الصلة لتنفيذ الأساليب المذكورة أدناه في هذه المقالة.

• استيراد الباندا كما pd
• استيراد numpy كـ np

يجب أن تقرأ: أسئلة مقابلة الباندا

1. استيراد البيانات من ملفات مختلفة

• لقراءة جميع البيانات من ملف CSV: pd.read_csv (file_name)
• لقراءة جميع البيانات من ملف نصي محدد (مثل TSV): pd.read_table (file_name)
• للقراءة من ورقة Excel: pd.read_excel (file_name)
• لقراءة البيانات من قاعدة بيانات SQL: pd.read_sql (استعلام ، ConnectionObject)
• إحضار البيانات من سلسلة بتنسيق JSON أو عنوان URL: pd.read_json (jsonString)
• لأخذ محتويات الحافظة الخاصة بك: pd.read_clipboard ()

2. تصدير DataFrames بتنسيقات ملفات مختلفة

• لكتابة DataFrame إلى ملف CSV: df.to_csv (file_name)
• لكتابة DataFrame إلى ملف Excel: df.to_excel (file_name)
• لكتابة DataFrame إلى جدول SQL: df.to_sql (tableName ، connectionObject)
• لكتابة DataFrame إلى ملف بتنسيق JSON: df.to_json (اسم_الملف)

3. افحص قسمًا معينًا من DataFrame أو Series

• لجلب جميع المعلومات المتعلقة بالفهرس ونوع البيانات والذاكرة: df.info ()
• لاستخراج صفوف البداية 'n' من DataFrame الخاص بك: df.head (n)
• لاستخراج صفوف النهاية 'n' من DataFrame الخاص بك: df.tail (n)
• لاستخراج عدد الصفوف والأعمدة المتوفرة في DataFrame الخاص بك: df.shape
• لتلخيص إحصائيات الأعمدة الرقمية: df.describe ()
• لعرض القيم الفريدة مع أعدادها: ser.value_counts (dropna = False)

4. تحديد مجموعة فرعية معينة من البيانات الخاصة بك

• قم باستخراج الصف الأول: df.iloc [0 ،:]
• لاستخراج العنصر الأول من العمود الأول في DataFrame: df.iloc [0،0]
• لإرجاع الأعمدة التي تحمل التصنيف "عمود" كسلسلة: df [col]
• لإرجاع الأعمدة التي تحتوي على إطار بيانات جديد: df [[col1، col2]]
• لتحديد البيانات حسب الموقع: ser.iloc [0]
• لتحديد البيانات حسب الفهرس: ser.loc ['index_one']

5. أوامر تنظيف البيانات

• لإعادة تسمية الأعمدة في الكتل: df.rename (الأعمدة = lambda x: x + 1)
• لإعادة تسمية الأعمدة بشكل انتقائي: df.rename (الأعمدة = {'oldName': 'newName'})
• لإعادة تسمية الفهرس في الكتل: df.rename (index = lambda x: x + 1)
• لإعادة تسمية الأعمدة بالتسلسل: df.columns = ['x'، 'y'، 'z']
• للتحقق من وجود قيم خالية ، يتم إرجاع سهم منطقي وفقًا لذلك: pd.isnull ()
• عكس pd.isnull (): pd.notnull ()
• يسقط كل الصفوف التي تحتوي على قيم خالية: df.dropna ()
• إسقاط كافة الأعمدة التي تحتوي على قيم خالية: df.dropna (المحور = 1)
• لاستبدال كل قيمة فارغة بـ "n": df.fillna (n)
• لتحويل جميع أنواع بيانات السلسلة إلى عدد عشري: ser.astype (عائم)
• لاستبدال كل الأرقام 1 بـ "واحد" و 3 بـ "ثلاثة": ser.replace ([1،2]، ['one'، 'two'])

اقرأ أيضًا: Pandas Dataframe Astype

6. تجميع البيانات وفرزها وتصفيتها

• لإرجاع كائن groupby لقيم العمود: df.groupby (colm)
• لإرجاع كائن groupby لقيم أعمدة متعددة: df.groupby ([colm1، colm2])
• لفرز القيم بترتيب تصاعدي (حسب العمود): df.sort_values ​​(colm1)
• لفرز القيم بترتيب تنازلي (حسب العمود): df.sort_values ​​(colm2 ، تصاعدي = خطأ)
• استخراج الصفوف حيث تكون قيمة العمود أكبر من 0.6: df [df [colm]> 0.6]

7. آخرون

• أضف صفوف DataFrame الأول إلى نهاية إطار DataFrame الثاني: df1.append (df2)
• أضف أعمدة إطار البيانات الأول إلى نهاية إطار البيانات الثاني: pd.concat ([df1، df2] ، المحور = 1)
• لإرجاع متوسط ​​كل الأعمدة: df.mean ()
• لإرجاع عدد القيم غير الخالية: df.count ()

خاتمة

ستكون أوراق الغش من Pandas مفيدة فقط للتذكير السريع. إنها دائمًا طريقة جيدة لممارسة الأوامر قبل القفز مباشرة إلى ورقة الغش في Pandas .

إذا كنت مهتمًا بالتعرف على Pandas ، فراجع IIIT-B & upGrad's Executive PG Program in Data Science الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1- على - 1 مع موجهين في الصناعة ، وأكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.