Dataanalys med Pandas

Pandas är ett kraftfullt Python-bibliotek för dataanalys och databearbetning. Det tillhandahåller datastrukturer som DataFrame och Series, vilket gör det enkelt att rensa, transformera och analysera data.

I den här lektionen lär du dig grunderna i Pandas och hur du använder biblioteket för dataanalys.

Installera Pandas genom att använda följande kommando i terminalen:

pip install pandas

När Pandas har installerats kan du importera Pandas i dina Python-skript:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

En DataFrame är en tvådimensionell tabellbaserad datastruktur i Pandas. Den liknar ett kalkylblad eller en SQL-tabell.

Du kan skapa en DataFrame från en dictionary, lista eller extern 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 gör det enkelt att läsa data från externa filer, till exempel CSV-, Excel- och JSON-filer:

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

Du kan inspektera strukturen och innehållet i en DataFrame med hjälp av metoder som head(), info() och describe():

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

Med Pandas kan du enkelt filtrera rader och välja kolumner med hjälp av villkor och 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 tillhandahåller metoder för att rensa data, till exempel för att hantera saknade värden, byta namn på kolumner och ta bort dubbletter:

# 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)

Med Pandas kan du utföra aggregeringar, till exempel summera, beräkna medelvärden och gruppera data:

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

Här är några misstag du bör undvika:

• Att inte hantera saknade värden korrekt.
• Att använda ineffektiva loopar i stället för vektoriserade operationer.
• Att glömma att ange inplace=True för operationer som ändrar data.

I den här lektionen har du lärt dig:

• Hur du installerar och importerar Pandas.
• Hur DataFrames är uppbyggda och hur du skapar dem.
• Hur du läser, rensar, filtrerar och aggregerar data med Pandas.

Bra jobbat! Nu går vi vidare till nästa ämne.