17 Domande e risposte per l'intervista ai panda da leggere [per matricole ed esperti]

Pandas è una libreria Python open source con licenza BSD che offre strutture dati ad alte prestazioni e facili da usare e strumenti di analisi dei dati. Python con Pandas viene utilizzato in un'ampia gamma di discipline, tra cui economia, finanza, statistica, analisi e altro ancora. In questo articolo, abbiamo elencato alcune domande essenziali per l'intervista con i panda e le domande per l' intervista con NumPy che uno studente di Python deve conoscere. Se vuoi saperne di più su Python, dai un'occhiata ai nostri programmi di scienza dei dati.

Domande e risposte per l'intervista ai panda

Domanda 1 – Definisci Python Panda.

I panda si riferiscono a una libreria software scritta esplicitamente per Python, che viene utilizzata per analizzare e manipolare i dati. Pandas è una libreria multipiattaforma open source creata da Wes McKinney. È stato rilasciato nel 2008 e ha fornito strutture di dati e operazioni per manipolare dati numerici e di serie temporali. I panda possono essere installati utilizzando la distribuzione pip o Anaconda. I panda semplificano l'esecuzione di operazioni di apprendimento automatico su dati tabulari.

Domanda 2: quali sono i diversi tipi di strutture dati nei Panda?

La libreria Panda supporta due tipi principali di strutture dati, DataFrames e Series. Entrambe queste strutture di dati sono costruite sulla parte superiore di NumPy. La serie è una struttura dati unidimensionale e più semplice, mentre DataFrame è bidimensionale. Un'altra etichetta dell'asse nota come "Pannello" è una struttura di dati tridimensionale e include elementi come asse_maggiore e asse_minore.

Fonte

Domanda 3 – Spiega la serie In Pandas.

La serie è un array unidimensionale che può contenere valori di dati di qualsiasi tipo (stringa, float, intero, oggetti Python, ecc.). È il tipo più semplice di struttura dati in Panda; qui, le etichette degli assi dei dati sono chiamate indice.

Domanda 4 – Definisci dataframe nei panda.

Un DataFrame è una matrice bidimensionale in cui i dati sono allineati in forma tabellare con righe e colonne. Con questa struttura è possibile eseguire un'operazione aritmetica su righe e colonne.

Domanda 5 – Come puoi creare un dataframe vuoto in Panda?

Per creare un DataFrame vuoto in Pandas, digita

importa panda come pd

ab = pd.DataFrame()

Domanda 6 – Quali sono le caratteristiche più importanti della libreria Pandas?

Le caratteristiche importanti della biblioteca del panda sono:

• Allineamento dei dati
• Unisci e unisciti
• Memoria efficiente
• Serie temporali
• Rimodellamento

Leggi: Dataframe in Apache PySpark: tutorial completo

Domanda 7 - Come spiegherai la reindicizzazione nei panda?

Reindicizzare significa modificare i dati in modo che corrispondano a un particolare insieme di etichette lungo un particolare asse.

Varie operazioni possono essere eseguite utilizzando l'indicizzazione, come-

• Inserire gli indicatori di valore mancante (NA) nelle posizioni dell'etichetta in cui non esistevano dati per l'etichetta.
• Riordina il set di dati esistente in modo che corrisponda a un nuovo set di etichette.

Domanda 8 – Quali sono i diversi modi di creare DataFrame nei panda? Spiega con esempi.

DataFrame può essere creato utilizzando Liste o Dict di nd array.

Esempio 1 – Creazione di un DataFrame utilizzando List

importa panda come pd

# un elenco di stringhe

Strlist = ['Panda', 'NumPy']

# Chiamata del costruttore DataFrame nell'elenco

lista = pd.DataFrame(Strlist)

stampa (lista)

Esempio 2 – Creazione di un DataFrame utilizzando dict of arrays

importa panda come pd

list = {'ID': [1001, 1002, 1003],'Dipartimento':['Scienza', 'Commercio', 'Arti',]}

lista = pd.DataFrame(lista)

stampa (elenco)

Dai un'occhiata a: Domande sull'intervista sulla scienza dei dati

Domanda 9 – Spiegare i dati categoriali nei panda ?

I dati categoriali si riferiscono a dati in tempo reale che possono essere ripetitivi; ad esempio, i valori dei dati in categorie come paese, sesso, codici saranno sempre ripetitivi. I valori categoriali nei panda possono anche assumere solo un numero limitato e fisso di valori possibili.

Non è possibile eseguire operazioni numeriche su tali dati. Tutti i valori dei dati categoriali nei panda sono nelle categorie o np.nan.

Questo tipo di dati può essere utile nei seguenti casi:

Se una variabile stringa contiene solo pochi valori diversi, la sua conversione in una variabile categoriale può far risparmiare memoria.

È utile come segnale ad altre librerie Python perché questa colonna deve essere trattata come una variabile categoriale.

Un ordine lessicale può essere convertito in un ordine categoriale per essere ordinato correttamente, come un ordine logico.

Domanda 10: crea una serie usando Dict in Pandas.

importa panda come pd

importa numpy come np

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

ans = pd.Serie(ser)

stampa (e)

Domanda 11 – Come creare una copia della serie in Panda?

Per creare una copia della serie in Panda, viene utilizzata la seguente sintassi:

panda.Copia.serie

Series.copy(deep=True)

* se il valore di deep è impostato su false, non copierà né i dati né gli indici.

Domanda 12: come aggiungerete un indice, una riga o una colonna a un dataframe in Pandas?

Per aggiungere righe a un DataFrame, possiamo usare .loc(), .iloc() e .ix(). .loc() è basato su etichette, .iloc() è basato su numeri interi e .ix() è basato su etichette cabine e interi. Per aggiungere colonne al DataFrame, possiamo usare di nuovo .loc() o .iloc().

Domanda 13: quale metodo utilizzerai per rinominare l'indice o le colonne di Pandas Dataframe?

Il metodo .rename può essere utilizzato per rinominare colonne o valori di indice di DataFrame

Domanda 14: come è possibile eseguire l'iterazione su dataframe in Panda?

Per eseguire l'iterazione su DataFrame in pandas, è possibile utilizzare il ciclo in combinazione con una chiamata iterrows().

Domanda 15 - Cos'è l'array Numpy Pandas?

Numerical Python (NumPy) è definito come un pacchetto integrato in Python per eseguire calcoli numerici ed elaborazione di elementi di array multidimensionali e unidimensionali.

L'array NumPy calcola più velocemente rispetto ad altri array Python.

Domanda 16 – Come si può convertire un dataframe in un file Excel?

Per convertire un singolo oggetto in un file excel, possiamo semplicemente specificare il nome del file di destinazione. Tuttavia, per convertire più fogli, dobbiamo creare un oggetto ExcelWriter insieme al nome del file di destinazione e specificare il foglio che desideriamo esportare.

Domanda 17 - Che cos'è la funzione Groupby nei Panda?

In Panda, la funzione groupby() consente ai programmatori di riorganizzare i dati utilizzandoli su set del mondo reale. Il compito principale della funzione è dividere i dati in vari gruppi.

Leggi anche: I 15 migliori progetti open source di Python per l'intelligenza artificiale e l'apprendimento automatico

Conclusione

Ci auguriamo che le domande dell'intervista P andas sopra menzionate e le domande dell'intervista NumPy ti aiuteranno a prepararti per le tue prossime sessioni di intervista. Se stai cercando corsi che possano aiutarti a familiarizzare con il linguaggio Python , upGrad può essere la piattaforma migliore.

Se sei curioso di conoscere la scienza dei dati, dai un'occhiata al programma Executive PG in Data Science di IIIT-B e upGrad, creato per i professionisti che lavorano e offre oltre 10 casi di studio e progetti, workshop pratici pratici, tutoraggio con esperti del settore, 1 -on-1 con mentori del settore, oltre 400 ore di apprendimento e assistenza al lavoro con le migliori aziende.