17 Fragen und Antworten zu Pandas-Interviews, die man unbedingt lesen muss [Für Neulinge und Erfahrene]

Pandas ist eine BSD-lizenzierte Open-Source-Python-Bibliothek, die leistungsstarke, benutzerfreundliche Datenstrukturen und Datenanalysetools bietet. Python mit Pandas wird in einer Vielzahl von Disziplinen verwendet, darunter Wirtschaft, Finanzen, Statistik, Analytik und mehr. In diesem Artikel haben wir einige wichtige Pandas-Interviewfragen und NumPy-Interviewfragen aufgelistet , die ein Python-Lernender kennen muss. Wenn Sie mehr über Python erfahren möchten, sehen Sie sich unsere Data-Science-Programme an.

Fragen und Antworten zu Pandas-Interviews

Frage 1 – Definiere Python-Pandas.

Pandas beziehen sich auf eine explizit für Python geschriebene Softwarebibliothek, die zum Analysieren und Manipulieren von Daten verwendet wird. Pandas ist eine plattformübergreifende Open-Source-Bibliothek, die von Wes McKinney erstellt wurde. Es wurde 2008 veröffentlicht und stellte Datenstrukturen und Operationen bereit, um numerische und Zeitreihendaten zu manipulieren. Pandas können mit der Pip- oder Anaconda-Distribution installiert werden. Pandas machen es sehr einfach, maschinelle Lernoperationen für tabellarische Daten durchzuführen.

Frage 2 – Was sind die verschiedenen Arten von Datenstrukturen in Pandas?

Die Panda-Bibliothek unterstützt zwei Haupttypen von Datenstrukturen, DataFrames und Series. Diese beiden Datenstrukturen bauen auf NumPy auf. Series ist eine eindimensionale und einfachste Datenstruktur, während DataFrame zweidimensional ist. Eine andere Achsenbezeichnung, die als „Panel“ bekannt ist, ist eine dreidimensionale Datenstruktur und enthält Elemente wie major_axis und minor_axis.

Quelle

Frage 3 – Serie in Pandas erklären.

Series ist ein eindimensionales Array, das Datenwerte beliebigen Typs enthalten kann (String, Float, Integer, Python-Objekte usw.). Es ist die einfachste Art von Datenstruktur in Pandas; hier werden die Achsenbeschriftungen der Daten als Index bezeichnet.

Frage 4 – Dataframe in Pandas definieren.

Ein DataFrame ist ein zweidimensionales Array, in dem Daten in Tabellenform mit Zeilen und Spalten ausgerichtet sind. Mit dieser Struktur können Sie eine arithmetische Operation auf Zeilen und Spalten ausführen.

Frage 5 – Wie können Sie einen leeren Datenrahmen in Pandas erstellen?

Um einen leeren DataFrame in Pandas zu erstellen, geben Sie ein

pandas als pd importieren

ab = pd.DataFrame()

Frage 6 – Was sind die wichtigsten Funktionen der Pandas-Bibliothek?

Wichtige Merkmale der Bibliothek des Pandas sind:

• Datenausrichtung
• Zusammenführen und beitreten
• Speichereffizient
• Zeitfolgen
• Umformung

Lesen Sie: Dataframe in Apache PySpark: Umfassendes Tutorial

Frage 7 – Wie erklären Sie die Neuindizierung in Pandas?

Neu indizieren bedeutet, die Daten so zu modifizieren, dass sie mit einem bestimmten Satz von Beschriftungen entlang einer bestimmten Achse übereinstimmen.

Mithilfe der Indizierung können verschiedene Operationen ausgeführt werden, z.

• Fügen Sie Markierungen für fehlende Werte (NA) an Etikettenpositionen ein, an denen keine Daten für das Etikett vorhanden waren.
• Ordnen Sie den vorhandenen Datensatz neu an, damit er mit einem neuen Satz von Labels übereinstimmt.

Frage 8 – Was sind die verschiedenen Möglichkeiten, DataFrames in Pandas zu erstellen? Erklären Sie mit Beispielen.

DataFrame kann mit Lists oder Dict of nd Arrays erstellt werden.

Beispiel 1 – Erstellen eines Datenrahmens mit List

pandas als pd importieren

# eine Liste von Strings

Strlist = ['Pandas', 'NumPy']

# Aufruf des DataFrame-Konstruktors in der Liste

Liste = pd.DataFrame(Strlist)

Drucken (Liste)

Beispiel 2 – Erstellen eines DataFrame mit dict of arrays

pandas als pd importieren

list = {'ID': [1001, 1002, 1003],'Abteilung':['Wissenschaft', 'Handel', 'Kunst',]}

Liste = pd.DataFrame(Liste)

drucken (Liste)

Schauen Sie sich an: Fragen zu Data Science-Interviews

Frage 9 – Erklären Sie kategoriale Daten in Pandas ?

Kategoriale Daten beziehen sich auf Echtzeitdaten, die sich wiederholen können; Beispielsweise wiederholen sich Datenwerte unter Kategorien wie Land, Geschlecht und Codes immer. Kategoriale Werte in Pandas können auch nur eine begrenzte und feste Anzahl möglicher Werte annehmen.

An solchen Daten können keine numerischen Operationen durchgeführt werden. Alle Werte kategorialer Daten in Pandas sind entweder in Kategorien oder np.nan.

Dieser Datentyp kann in folgenden Fällen nützlich sein:

Wenn eine String-Variable nur wenige unterschiedliche Werte enthält, kann die Umwandlung in eine kategoriale Variable etwas Speicherplatz sparen.

Sie ist als Signal für andere Python-Bibliotheken nützlich, da diese Spalte als kategoriale Variable behandelt werden muss.

Eine lexikalische Ordnung kann in eine kategoriale Ordnung umgewandelt werden, um korrekt sortiert zu werden, wie eine logische Ordnung.

Frage 10 – Erstellen Sie eine Serie mit Dict in Pandas.

pandas als pd importieren

importiere numpy als np

ser = {'a': 1, 'b': 2, 'c': 3}

ans = pd.Series(ser)

drucken

Frage 11 – Wie erstelle ich eine Kopie der Serie in Pandas?

Um eine Kopie der Serie in Pandas zu erstellen, wird die folgende Syntax verwendet:

pandas.Series.copy

Serie.copy(deep=True)

* Wenn der Wert von deep auf false gesetzt ist, werden weder Daten noch Indizes kopiert.

Frage 12 – Wie fügen Sie einem Datenrahmen in Pandas einen Index, eine Zeile oder eine Spalte hinzu?

Um einem DataFrame Zeilen hinzuzufügen, können wir .loc(), .iloc() und .ix() verwenden. .loc() basiert auf Labels, .iloc() basiert auf Ganzzahlen und .ix() basiert auf Booth-Labels und Ganzzahlen. Um dem DataFrame Spalten hinzuzufügen, können wir wieder .loc () oder .iloc () verwenden.

Frage 13 – Welche Methode werden Sie verwenden, um den Index oder die Spalten des Pandas-Datenrahmens umzubenennen?

Die Methode .rename kann verwendet werden, um Spalten oder Indexwerte von DataFrame umzubenennen

Frage 14 – Wie können Sie Datenrahmen in Pandas durchlaufen?

Um über DataFrame in Pandas zu iterieren, kann die For-Schleife in Kombination mit einem iterrows ()-Aufruf verwendet werden.

Frage 15 – Was ist Pandas Numpy Array?

Numerical Python (NumPy) ist als ein eingebautes Paket in Python definiert, um numerische Berechnungen und die Verarbeitung von mehrdimensionalen und eindimensionalen Array-Elementen durchzuführen.

Das NumPy-Array wird im Vergleich zu anderen Python-Arrays schneller berechnet.

Frage 16 – Wie kann ein Datenrahmen in eine Excel-Datei konvertiert werden?

Um ein einzelnes Objekt in eine Excel-Datei zu konvertieren, können wir einfach den Namen der Zieldatei angeben. Um jedoch mehrere Blätter zu konvertieren, müssen wir ein ExcelWriter - Objekt zusammen mit dem Zieldateinamen erstellen und das Blatt angeben, das wir exportieren möchten.

Frage 17 – Was ist die Groupby-Funktion in Pandas?

In Pandas ermöglicht die Funktion groupby () den Programmierern, Daten neu anzuordnen, indem sie sie auf realen Sets verwenden. Die Hauptaufgabe der Funktion besteht darin, die Daten in verschiedene Gruppen aufzuteilen.

Lesen Sie auch: Die 15 besten Open-Source-Projekte für Python-KI und maschinelles Lernen

Fazit

Wir hoffen, dass die oben genannten P andas-Interviewfragen und NumPy-Interviewfragen Ihnen bei der Vorbereitung auf Ihre bevorstehenden Vorstellungsgespräche helfen werden. Wenn Sie nach Kursen suchen, die Ihnen helfen können, sich mit der Sprache Python vertraut zu machen, kann upGrad die beste Plattform sein.

Wenn Sie neugierig sind, etwas über Data Science zu lernen, schauen Sie sich das Executive PG Program in Data Science von IIIT-B & upGrad an, das für Berufstätige entwickelt wurde und mehr als 10 Fallstudien und Projekte, praktische Workshops, Mentoring mit Branchenexperten, 1 -on-1 mit Branchenmentoren, mehr als 400 Stunden Lern- und Jobunterstützung bei Top-Unternehmen.