Data Science: Analiza danych w Python i PANDAS

Świetnie, skoro jesteś gotowy do poznania DataFrame w PANDAS i kolejnych etapów analizy danych, to zacznijmy od podstaw. DataFrame jest to struktura danych w PANDAS, która pozwala na przechowywanie i manipulowanie dużymi zbiorami tabularnych danych. Jest to kluczowy obiekt, który może składać się z jednej lub wielu kolumn, a także posiada indeksację zwaną MultiIndex.

Tworzenie i manipulowanie DataFrame:

1. Tworzenie DataFrame: Możesz go stworzyć na podstawie istniejącej tabeli z Pythonu lub Importując dane z zewnętrznych źródeł, takich jak pliki CSV, Excel czy nawet bazy danych.

   import pandas as pd
   
   # Przykład z pliku CSV
   df = pd.read_csv('path/to/your/file.csv')
   

2. Dodawanie lub usuwanie kolumn: Możesz zwiększyć lub zmniejszyć liczbę kolumn w DataFrame przez dodawanie nowych kolumn lub usuwanie istniejących.

   # Dodanie nowej kolumny
   df['new_column'] = [1, 2, 3]
   
   # Usunięcie kolumny
   df.drop('old_column', axis=1, inplace=True)
   

3. Przebudowanie indeksu DataFrame: Mógłbyś przekonwertować indeks bieżący na wielomianowy lub odwrócić ten proces.

   # Tworzenie MultiIndex z istniejących danych
   df = df.reset_index(drop=True)
   df[['A', 'B']] = df[['B', 'A']]  # Przebudowanie indeksu (reordering kolumn)
   
   # Odzyskanie wielomianowego indeksu
   df.set_index('column_name', inplace=True)
   

4. Grupowanie i agregacja danych: Możesz zgrupować dane według określonych kolumn i wykonać na nich agregacje, aby zobaczyć charakterystyczne cechy grup danych.

   df.groupby('column_name').agg({'another_column': 'sum'})
   

5. Łączenie DataFrame: Możesz połączyć różne DataFrame ze sobą, zarówno po poziomie horizontalnym (kolumnowo), jak i verticalnym (wierszowo).

   # Łączenie poziomie
   df1 = pd.read_csv('path/to/file1.csv')
   df2 = pd.read_csv('path/to/file2.csv')
   result = pd.concat([df1, df2], axis=1)
   
   # Łączenie wierszowo (na przykład po podziale na grupy)
   grouped = df.groupby('column_name')
   result = grouped.agg(...)
   

6. Wykresowanie danych: Możesz wygenerować różne rodzaje wykresów, aby wizualizować dane. PANDAS używa modułu matplotlib do stworzenia wykresów.

   df.plot(kind='line', x='column_name', y='another_column')
   

7. Pobieranie i zapisywanie danych: Możesz łatwo zapewnić persystencję danych, pobierając je z zewnętrznych źródeł lub zapisując na dysku.

   # Zapisywanie `DataFrame` do pliku CSV
   df.to_csv('path/to/file.csv', index=False)
   
   # Pobieranie `DataFrame` z pliku Excel
   df = pd.read_excel('path/to/file.xlsx')
   

Te są podstawy pracy z DataFrame w PANDAS. Jako że jesteś zainteresowan Data Science'em, znajdziesz w nim wiele używnych narzędzi do analizy danych i przeprowadzania badań statystycznych. Praktyka jest kluczowa, więc zacznij od prostych zadań i postępuj krok po kroku, zwiększając złożoność analiz. Powodzenia!