Gegevensanalyse met Pandas

Pandas is een krachtige Python-bibliotheek voor gegevensanalyse en -bewerking. De bibliotheek biedt datastructuren zoals DataFrame en Series, waarmee je gegevens eenvoudig kunt opschonen, transformeren en analyseren.

In deze les leer je de basis van Pandas en hoe je de bibliotheek gebruikt voor gegevensanalyse.

Gebruik de volgende opdracht in je terminal om Pandas te installeren:

pip install pandas

Na de installatie kun je Pandas in je Python-scripts importeren:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

Een DataFrame is een tweedimensionale, tabelvormige datastructuur in Pandas. De structuur lijkt op een spreadsheet of een SQL-tabel.

Je kunt een DataFrame maken vanuit een woordenboek, lijst of extern bestand:

# 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)

Met Pandas kun je eenvoudig gegevens uit externe bestanden lezen, zoals CSV-, Excel- en JSON-bestanden:

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

Je kunt de structuur en inhoud van een DataFrame inspecteren met methoden zoals head(), info() en describe():

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

Met Pandas kun je eenvoudig rijen filteren en kolommen selecteren aan de hand van voorwaarden en indexering:

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

Pandas biedt methoden om gegevens op te schonen, bijvoorbeeld door ontbrekende waarden te verwerken, kolommen een nieuwe naam te geven en duplicaten te verwijderen:

# 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)

Met Pandas kun je aggregaties uitvoeren, zoals gegevens optellen, middelen en groeperen:

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

Hier zijn enkele fouten die je moet vermijden:

• Ontbrekende waarden niet goed verwerken.
• Inefficiënte lussen gebruiken in plaats van gevectoriseerde bewerkingen.
• Vergeten inplace=True op te geven voor bewerkingen die gegevens wijzigen.

In deze les heb je geleerd:

• Hoe je Pandas installeert en importeert.
• Hoe DataFrames zijn opgebouwd en hoe je ze maakt.
• Hoe je gegevens met Pandas leest, opschoont, filtert en aggregeert.

Goed gedaan! Laten we doorgaan naar het volgende onderwerp.