17 Întrebări și răspunsuri la interviu pe care trebuie să le citiți Pandas [Pentru cei proaspăți și cu experiență]

Pandas este o bibliotecă Python cu licență BSD și open-source care oferă structuri de date de înaltă performanță, ușor de utilizat și instrumente de analiză a datelor. Python with Pandas este utilizat într-o gamă largă de discipline, inclusiv economie, finanțe, statistică, analiză și multe altele. În acest articol, am enumerat câteva întrebări esențiale de interviu cu panda și întrebări de interviu NumPy pe care un cursant Python trebuie să le cunoască. Dacă doriți să aflați mai multe despre python, consultați programele noastre de știință a datelor.

Întrebări și răspunsuri la interviu Pandas

Întrebarea 1 – Definiți Python Pandas.

Pandas se referă la o bibliotecă de software scrisă explicit pentru Python, care este folosită pentru a analiza și manipula datele. Pandas este o bibliotecă open-source, multiplatformă, creată de Wes McKinney. A fost lansat în 2008 și a furnizat structuri de date și operațiuni pentru a manipula date numerice și serii de timp. Pandas pot fi instalați folosind distribuția pip sau Anaconda. Pandas facilitează efectuarea operațiunilor de învățare automată pe date tabelare.

Întrebarea 2 – Care sunt diferitele tipuri de structuri de date în Pandas?

Biblioteca Panda acceptă două tipuri majore de structuri de date, DataFrames și Series. Ambele structuri de date sunt construite pe partea de sus a NumPy. Series este o structură de date unidimensională și cea mai simplă, în timp ce DataFrame este bidimensional. O altă etichetă de axă cunoscută sub numele de „Panel” este o structură de date tridimensională și include elemente precum axa_major și axa_minor.

Sursă

Întrebarea 3 – Explicați seria în panda.

Series este o matrice unidimensională care poate conține valori de date de orice tip (șir, float, întreg, obiecte Python etc.). Este cel mai simplu tip de structură de date din Pandas; aici, etichetele axei datelor sunt numite index.

Întrebarea 4 – Definiți cadrul de date în Pandas.

Un DataFrame este o matrice bidimensională în care datele sunt aliniate într-o formă tabelară cu rânduri și coloane. Cu această structură, puteți efectua o operație aritmetică pe rânduri și coloane.

Întrebarea 5 – Cum puteți crea un cadru de date gol în Pandas?

Pentru a crea un DataFrame gol în Pandas, tastați

importa panda ca pd

ab = pd.DataFrame()

Întrebarea 6 – Care sunt cele mai importante caracteristici ale bibliotecii Pandas?

Caracteristicile importante ale bibliotecii panda sunt:

• Alinierea datelor
• Fuzionați și alăturați-vă
• Memorie eficientă
• Serii de timp
• Remodelarea

Citiți: Dataframe în Apache PySpark: Tutorial cuprinzător

Întrebarea 7 – Cum veți explica reindexarea în Pandas?

A reindexa înseamnă a modifica datele pentru a se potrivi cu un anumit set de etichete de-a lungul unei anumite axe.

Pot fi realizate diferite operații folosind indexare, cum ar fi-

• Introduceți marcatori de valoare lipsă (NA) în locațiile etichetelor în care nu existau date pentru etichetă.
• Reordonați setul de date existent pentru a se potrivi cu un nou set de etichete.

Întrebarea 8 – Care sunt diferitele moduri de a crea DataFrame în panda? Explicați cu exemple.

DataFrame poate fi creat folosind liste sau Dict of nd arrays.

Exemplul 1 – Crearea unui DataFrame folosind Listă

importa panda ca pd

# o listă de șiruri

Strlist = ['Pandas', 'NumPy']

# Apelarea constructorului DataFrame din listă

list = pd.DataFrame(Strlist)

print(lista)

Exemplul 2 – Crearea unui DataFrame folosind dict de matrice

importa panda ca pd

list = {'ID': [1001, 1002, 1003],'Department':['Science', 'Comert', 'Arts',]}

list = pd.DataFrame(lista)

imprimare (lista)

Consultați: Întrebări de interviu pentru știința datelor

Întrebarea 9 – Explicați datele categorice în Pandas ?

Datele categorice se referă la date în timp real care pot fi repetitive; de exemplu, valorile datelor din categorii precum țara, sexul, codurile vor fi întotdeauna repetitive. Valorile categorice la panda pot lua, de asemenea, doar un număr limitat și fix de valori posibile.

Operațiile numerice nu pot fi efectuate pe astfel de date. Toate valorile datelor categorice din panda sunt fie în categorii, fie np.nan.

Acest tip de date poate fi util în următoarele cazuri:

Dacă o variabilă șir conține doar câteva valori diferite, conversia ei într-o variabilă categorială poate economisi ceva memorie.

Este util ca semnal pentru alte biblioteci Python, deoarece această coloană trebuie tratată ca o variabilă categorială.

O ordine lexicală poate fi convertită într-o ordine categorială pentru a fi sortată corect, ca o ordine logică.

Întrebarea 10 – Creați o serie folosind Dict în Pandas.

importa panda ca pd

import numpy ca np

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

ans = pd.Series(ser)

imprimare (ans)

Întrebarea 11 – Cum se creează o copie a seriei în Pandas?

Pentru a crea o copie a seriei în panda, se folosește următoarea sintaxă:

panda.Seria.copie

Series.copy(deep=True)

* dacă valoarea deep este setată la false, nu va copia nici datele, nici indicii.

Întrebarea 12 – Cum veți adăuga un index, un rând sau o coloană la un cadru de date în Pandas?

Pentru a adăuga rânduri la un DataFrame, putem folosi .loc (), .iloc () și .ix(). .loc () este bazat pe etichetă, .iloc() este bazat pe numere întregi și .ix() este pe etichetă de cabină și pe numere întregi. Pentru a adăuga coloane la DataFrame, putem folosi din nou .loc () sau .iloc ().

Întrebarea 13 – Ce metodă veți folosi pentru a redenumi indexul sau coloanele Pandas Dataframe?

Metoda .rename poate fi folosită pentru a redenumi coloanele sau valorile index ale DataFrame

Întrebarea 14 – Cum puteți repeta peste cadrul de date în Pandas?

Pentru a itera peste DataFrame în bucla Pandas for poate fi folosit în combinație cu un apel iterrows ().

Întrebarea 15 – Ce este Pandas Numpy Array?

Numerical Python (NumPy) este definit ca un pachet încorporat în python pentru a efectua calcule numerice și procesare a elementelor de matrice multidimensionale și unidimensionale.

Matricea NumPy calculează mai rapid în comparație cu alte matrice Python.

Întrebarea 16 – Cum poate fi convertit un cadru de date într-un fișier Excel?

Pentru a converti un singur obiect într-un fișier Excel, putem specifica pur și simplu numele fișierului țintă. Cu toate acestea, pentru a converti mai multe foi, trebuie să creăm un obiect ExcelWriter împreună cu numele fișierului țintă și să specificăm foaia pe care dorim să o exportăm.

Întrebarea 17 – Ce este funcția Groupby în Pandas?

În Pandas, funcția groupby () permite programatorilor să rearanjeze datele utilizându-le pe seturi din lumea reală. Sarcina principală a funcției este de a împărți datele în diferite grupuri.

Citește și: Top 15 proiecte Python AI și Machine Learning Open Source

Concluzie

Sperăm că întrebările de interviu P andas și întrebările de interviu NumPy menționate mai sus vă vor ajuta să vă pregătiți pentru sesiunile de interviu viitoare. Dacă sunteți în căutarea unor cursuri care vă pot ajuta să vă familiarizați cu limbajul Python , upGrad poate fi cea mai bună platformă.

Dacă sunteți curios să aflați despre știința datelor, consultați programul Executive PG în știința datelor de la IIIT-B și upGrad, care este creat pentru profesioniști care lucrează și oferă peste 10 studii de caz și proiecte, ateliere practice practice, mentorat cu experți din industrie, 1 -on-1 cu mentori din industrie, peste 400 de ore de învățare și asistență profesională cu firme de top.