Dataanalyse med Pandas

Pandas er et effektivt Python-bibliotek til dataanalyse og -bearbejdning. Det indeholder datastrukturer som DataFrame og Series, der gør det nemt at rense, transformere og analysere data.

I denne lektion lærer du det grundlæggende i Pandas, og hvordan du bruger det til dataanalyse.

Du installerer Pandas ved at bruge følgende kommando i din terminal:

pip install pandas

Når Pandas er installeret, kan du importere det i dine Python-scripts:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

En DataFrame er en todimensional, tabelformet datastruktur i Pandas. Den minder om et regneark eller en SQL-tabel.

Du kan oprette en DataFrame ud fra en ordbog, en liste eller en ekstern fil:

# Creating a DataFrame from a dictionary
data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "London", "Paris"]
}
df = pd.DataFrame(data)
print(df)

Pandas gør det nemt at læse data fra eksterne filer som CSV-, Excel- og JSON-filer:

# Reading data from a CSV file
df = pd.read_csv("data.csv")
print(df.head())  # Displays the first 5 rows

Du kan undersøge strukturen og indholdet af en DataFrame ved hjælp af metoder som head(), info() og describe():

# Inspecting a DataFrame
df = pd.read_csv("data.csv")
print(df.info())  # Displays information about the DataFrame
print(df.describe())  # Provides statistical summaries

Pandas gør det nemt at filtrere rækker og udvælge kolonner ved hjælp af betingelser og indeksering:

# Filtering and selecting data
filtered_df = df[df['Age'] > 30]  # Select rows where Age > 30
print(filtered_df[['Name', 'City']])  # Select specific columns

Pandas indeholder metoder til at rense data, f.eks. håndtere manglende værdier, omdøbe kolonner og fjerne dubletter:

# Handling missing values
df.fillna(0, inplace=True)  # Replace NaN values with 0

# Renaming columns
df.rename(columns={"Name": "Full Name"}, inplace=True)

# Dropping duplicates
df.drop_duplicates(inplace=True)
print(df)

Pandas gør det muligt at udføre aggregeringer som at summere, beregne gennemsnit og gruppere data:

# Grouping and aggregating data
grouped = df.groupby('City')['Age'].mean()
print(grouped)  # Displays average age for each city

Her er nogle fejl, du bør undgå:

• Ikke at håndtere manglende værdier korrekt.
• At bruge ineffektive løkker i stedet for vektoriserede operationer.
• At glemme at angive inplace=True for operationer, der ændrer data.

I denne lektion har du lært:

• Hvordan du installerer og importerer Pandas.
• Hvordan DataFrames er opbygget, og hvordan du opretter dem.
• Hvordan du læser, renser, filtrerer og aggregerer data med Pandas.

Godt gået! Lad os gå videre til næste emne.