หากคุณอยู่ในวิทยาศาสตร์ข้อมูลและใช้ Python เป็นเครื่องมือพื้นฐาน คุณต้องรู้จัก Pandas ดังนั้นฉันจะข้ามไปที่หัวข้อนี้โดยตรง

จุดประสงค์หลักในการสร้างเอกสารนี้คือเพื่อให้ข้อเสนอพื้นฐานแพนด้าทั้งหมดรวมอยู่ในที่เดียว ดังนั้นเราจึงไม่ต้องค้นหาสถานที่มากมายเมื่อต้องการ

รายการข้อเสนอในส่วนต่าง ๆ

โครงสร้างข้อมูล:

วิธีการแบบอนุกรม:

• series = pd.Series(data): สร้างชุดวัตถุใหม่จากอาร์เรย์หรือรายการข้อมูล
• series.values: คืนค่าของชุดเป็นอาร์เรย์ NumPy
• series.index: ส่งคืนดัชนีของซีรีส์
• series.head(n): ส่งกลับ n แถวแรกของชุดข้อมูล
• series.tail(n): คืนค่า n แถวสุดท้ายของชุดข้อมูล
• series.describe(): แสดงสถิติสรุปของซีรีส์
• series.unique(): ส่งกลับค่าที่ไม่ซ้ำกันในชุด
• series.isnull(): ส่งคืนมาสก์บูลีนซึ่งระบุว่าค่าใดเป็นโมฆะ
• series.dropna(): ส่งคืนชุดข้อมูลใหม่โดยลบค่า Null ออก
• df.drop(columns=['column_name']): วางคอลัมน์จาก DataFrame
• series.fillna(value): ส่งคืนชุดข้อมูลใหม่ที่มีค่า Null ซึ่งเต็มไปด้วยค่าที่ระบุ

• df = pd.DataFrame(data): สร้างวัตถุ DataFrame ใหม่จากพจนานุกรม อาร์เรย์ NumPy หรือรายการพจนานุกรม
• df.columns: ส่งคืนป้ายชื่อคอลัมน์ของ DataFrame
• df.index: ส่งคืนป้ายชื่อแถวของ DataFrame
• df.memory_usage: ส่งคืนการใช้หน่วยความจำของแต่ละคอลัมน์เป็นไบต์
• df.head(n): คืนค่า n แถวแรกของ DataFrame
• df.tail(n): คืนค่า n แถวสุดท้ายของ DataFrame
• df.shape: ส่งคืนทูเพิลที่แสดงขนาดของ DataFrame
• df.info(): ให้ข้อมูลเกี่ยวกับ DataFrame
• df.describe(): แสดงสถิติสรุปของ DataFrame
• df.groupby(column): จัดกลุ่ม DataFrame ตามคอลัมน์ที่ระบุ
• df.merge(other_df): รวม DataFrame กับ DataFrame อื่นตามคอลัมน์ทั่วไป
• df.pivot_table(): สร้างตารางเดือยจาก DataFrame

สถิติเชิงพรรณนา:

• df.mean(): คำนวณค่าเฉลี่ย
• df.median(): คำนวณค่ามัธยฐาน
• df.mode(): คำนวณโหมด

• df.corr(): คำนวณความสัมพันธ์ระหว่างคอลัมน์
• df.cov(): คำนวณความแปรปรวนร่วมระหว่างคอลัมน์

• df.quantile(0.25): คำนวณควอไทล์แรก

การจัดการค่าที่หายไป:

• df.isnull(): ส่งคืน DataFrame ด้วยค่าบูลีนที่ระบุว่าเซลล์ใดมีค่าที่ขาดหายไป
• df.dropna(): ส่งคืน DataFrame ใหม่โดยลบค่า Null ออก
• df.fillna(value): เติมค่าที่ขาดหายไปทั้งหมดด้วยค่าที่ระบุ
• df.interpolate(method='linear'):เติมค่า NaN โดยใช้วิธีการแก้ไข

• df.duplicated(): ส่งคืนชุดบูลีนเพื่อระบุว่าแถวใดซ้ำกัน
• df.drop_duplicates(): ลบแถวที่ซ้ำกันทั้งหมด

• df.astype(): แปลงประเภทข้อมูลของคอลัมน์ DataFrame เป็นประเภทข้อมูลที่ระบุ

• str.replace(old, new): แทนที่เหตุการณ์ทั้งหมดของสตริงที่ระบุด้วยสตริงอื่น
• str.split(): แยกสตริงออกเป็นรายการของสตริงย่อย
• str.strip(): ลบช่องว่างนำหน้าและต่อท้ายออกจากสตริง

• df.clip(lower, upper): ตัดค่าทั้งหมดใน DataFrame ให้อยู่ในช่วงที่กำหนด

• df.rename(columns={'old_name': 'new_name'}): เปลี่ยนชื่อคอลัมน์ใน DataFrame

• str.lower(): แปลงอักขระทั้งหมดในสตริงเป็นตัวพิมพ์เล็ก
• str.upper(): แปลงอักขระทั้งหมดในสตริงเป็นตัวพิมพ์ใหญ่
• str.strip(): ลบช่องว่างนำหน้าและต่อท้ายออกจากสตริง

• df.apply(function): ใช้ฟังก์ชันกับแต่ละองค์ประกอบใน DataFrame
• df.mean(): คำนวณค่าเฉลี่ยของแต่ละคอลัมน์ใน DataFrame
• df.std(): คำนวณส่วนเบี่ยงเบนมาตรฐานของแต่ละคอลัมน์ใน DataFrame

ข้อมูลการกรอง:

• df.loc[condition]: ส่งคืนแถวของ DataFrame ที่ตรงตามเงื่อนไขที่ระบุ
• df.query(condition): ส่งคืนแถวของ DataFrame ที่ตรงตามเงื่อนไขที่ระบุโดยใช้สตริงการสืบค้น

• df.sort_values(by=column): จัดเรียง DataFrame ตามคอลัมน์ที่ระบุ
• df.sort_index(): จัดเรียง DataFrame ตามดัชนี

• df.groupby(column): จัดกลุ่ม DataFrame ตามคอลัมน์ที่ระบุ
• grouped.aggregate(function): ใช้ฟังก์ชันการรวมกับแต่ละกลุ่ม

• df.merge(other_df): รวม DataFrame กับ DataFrame อื่นตามคอลัมน์ทั่วไป
• df.join(other_df): รวม DataFrame กับ DataFrame อื่นตามดัชนี
• pd.concat([df1, df2]): เชื่อมต่อ DataFrame สองรายการขึ้นไปเข้าด้วยกัน
• df1.append(df2): ผนวก DataFrame หนึ่งเข้ากับ DataFrame อื่น

• df.melt(id_vars=column): unpivots DataFrame จากรูปแบบกว้างเป็นรูปแบบยาว
• df.pivot(index, columns, values): สร้าง DataFrame ใหม่ด้วยดัชนี คอลัมน์ และค่าที่ระบุ
• df.stack(): เปลี่ยน DataFrame จากรูปแบบกว้างเป็นรูปแบบยาว

• df.groupby(column).sum(): คำนวณผลรวมของแต่ละกลุ่ม
• df.groupby(column).mean(): คำนวณค่าเฉลี่ยของแต่ละกลุ่ม
• df.groupby(column).max(): คำนวณสูงสุดของแต่ละกลุ่ม

• df.rolling(window).mean(): คำนวณค่าเฉลี่ยการหมุนของคอลัมน์
• df.expanding().sum(): คำนวณผลรวมที่เพิ่มขึ้นของคอลัมน์

การจัดการสตริง:

• df['column_name'].str.lower(): แปลงอักขระทั้งหมดในคอลัมน์เป็นตัวพิมพ์เล็ก
• df['column_name'].str.upper(): แปลงอักขระทั้งหมดในคอลัมน์เป็นตัวพิมพ์ใหญ่
• df['column_name'].str.strip(): ลบช่องว่างนำหน้าและต่อท้ายออกจากคอลัมน์
• df['column_name'].str.replace('old_value', 'new_value'): แทนที่ค่าที่เกิดขึ้นทั้งหมดในคอลัมน์ด้วยค่าใหม่

• df['column_name'].str.contains('pattern'): ตรวจสอบว่าแต่ละองค์ประกอบในคอลัมน์ตรงกับรูปแบบนิพจน์ทั่วไปหรือไม่
• df['column_name'].str.extract('pattern'): แยกการเกิดขึ้นครั้งแรกของรูปแบบนิพจน์ทั่วไปจากแต่ละองค์ประกอบในคอลัมน์

• df['column_name'].str.split('delimiter'): แบ่งแต่ละองค์ประกอบในคอลัมน์ออกเป็นรายการโทเค็นตามตัวคั่น

• df[df['column_name'].str.contains('pattern')]: กรองแถวใน DataFrame โดยพิจารณาว่ารูปแบบนิพจน์ทั่วไปตรงกับค่าในคอลัมน์หรือไม่
• df[df['column_name'].str.len() > 10]: กรองแถวใน DataFrame ตามความยาวของค่าในคอลัมน์

• df['column_name'].str.cat(sep='delimiter'): เชื่อมองค์ประกอบทั้งหมดในคอลัมน์ให้เป็นสตริงเดียว คั่นด้วยตัวคั่น
• df['column_name'].str.get_dummies(): สร้าง DataFrame ที่เข้ารหัสแบบ one-hot จากคอลัมน์ที่มีค่าหมวดหมู่หลายค่า

แผนภูมิเส้น:

• df.plot(): สร้างแผนภูมิเส้นของ DataFrame

• df.plot(kind='bar'): สร้างแผนภูมิแท่งแนวตั้งของ DataFrame
• df.plot(kind='barh'): สร้างแผนภูมิแท่งแนวนอนของ DataFrame

• df.plot(kind='pie'): สร้างแผนภูมิวงกลมของ DataFrame

• df.plot(kind='scatter', x='column1', y='column2'): สร้างพล็อตกระจายของสองคอลัมน์ใน DataFrame

• df.plot(kind='hist'): สร้างฮิสโตแกรมของ DataFrame

• df.plot(kind='box'): สร้างพล็อตกล่องของ DataFrame

• df.plot(kind='area'): สร้างแผนภูมิพื้นที่ของ DataFrame

อ่านข้อมูล:

• pd.read_csv(file_path): อ่านข้อมูลจากไฟล์ CSV ลงใน DataFrame
• pd.read_excel(file_path): อ่านข้อมูลจากไฟล์ Excel ลงใน DataFrame
• pd.read_sql(query, connection): อ่านข้อมูลจากฐานข้อมูล SQL ไปยัง DataFrame
• pd.read_json(file_path): อ่านข้อมูลจากไฟล์ JSON ลงใน DataFrame
• pd.read_html(url): อ่านข้อมูลจากหน้า HTML ลงในรายการของ DataFrames
• pd.read_clipboard(): อ่านข้อมูลจากคลิปบอร์ดไปยัง DataFrame

• df.to_csv(file_path): เขียนข้อมูลจาก DataFrame ไปยังไฟล์ CSV
• df.to_excel(file_path): เขียนข้อมูลจาก DataFrame ไปยังไฟล์ Excel
• df.to_sql(table_name, connection): เขียนข้อมูลจาก DataFrame ไปยังตารางฐานข้อมูล SQL
• df.to_json(file_path): เขียนข้อมูลจาก DataFrame ไปยังไฟล์ JSON

การจัดทำดัชนีเวลา:

• pd.to_datetime(date_string): แปลงสตริงวันที่เป็นวัตถุวันที่และเวลา
• df.set_index('datetime_column'): กำหนดคอลัมน์วันที่และเวลาเป็นดัชนีของ DataFrame

• df.resample('D').mean(): สุ่มตัวอย่าง DataFrame ใหม่เป็นความถี่รายวันและคำนวณค่าเฉลี่ยสำหรับแต่ละวัน
• df.resample('M').sum(): สุ่มตัวอย่าง DataFrame ใหม่เป็นความถี่รายเดือนและคำนวณผลรวมสำหรับแต่ละเดือน

• df.shift(1): เลื่อนค่าใน DataFrame ไปหนึ่งจุด

• df.rolling(window=2).mean(): คำนวณค่าเฉลี่ยการหมุนของ DataFrame ในกรอบเวลาสองช่วงเวลา

• df.tz_localize('UTC'): กำหนดเขตเวลาของ DataFrame เป็น UTC
• df.tz_convert('US/Pacific'): แปลงโซนเวลาของ DataFrame เป็น US Pacific

• pd.date_range(start='2020-01-01', end='2020-12-31', freq='D'): สร้างช่วงวันที่ตั้งแต่ 1 มกราคม 2020 ถึง 31 ธันวาคม 2020 ด้วยความถี่รายวัน

วิศวกรรมคุณสมบัติ:

• df['new_column'] = df['column_1'] + df['column_2']: สร้างคอลัมน์ใหม่โดยเพิ่มสองคอลัมน์ที่มีอยู่
• df['new_column'] = df['column'].apply(function): ใช้ฟังก์ชันกับแต่ละค่าในคอลัมน์เพื่อสร้างคอลัมน์ใหม่
• df['new_column'] = pd.cut(df['column'], bins): สร้างคอลัมน์ใหม่โดยการรวมตัวแปรต่อเนื่อง

นี่คือรายการวิธีการที่ใช้เป็นประจำสองสามวิธี แต่หมีแพนด้ายังมีอีกมากมายที่จะนำเสนอ โปรดดูเอกสารอย่างเป็นทางการของหมีแพนด้าสำหรับความรู้โดยละเอียดเพิ่มเติม นอกจากนี้ วิธีการทั้งหมดเหล่านี้อาจมีการเปลี่ยนแปลงตามการปล่อยแพนด้ารุ่นใหม่ ดังนั้นโปรดตรวจสอบการเผยแพร่อย่างเป็นทางการก่อนใช้งานจริง

อ้างอิง