Обзор эффективнейших функций Pandas, востребованных в работе любого ученого по данным: sort_values(), shift(), value_counts(), select_dtypes, mask(), filter(), nlargest() и nsmallest().

https://nuancesprog.ru/p/14300/

@nuancesprog #Python #Pandas

Просто и по существу: познакомимся с модулем sqlite3, рассмотрим основные операции с базой данных SQLite и принцип ее взаимодействия с pandas.

https://nuancesprog.ru/p/14725/

@nuancesprog #SQLite #Pandas #Python

Если Pandas удобно использовать для небольших наборов данных, то Pyspark - отличный инструмент для распределенных вычислений огромных массивов данных. Возьмите на заметку готовую инструкцию по преобразованию кода Pandas в Pyspark.

https://nuancesprog.ru/p/14770/

@nuancesprog #Python #Pandas #Pyspark

Познакомьтесь с 6 функциями, лежащими в основе любого эксплораторного анализа данных. Они позволят сделать первый шаг в исследовании данных в Pandas.

https://nuancesprog.ru/p/14933/

@nuancesprog #Pandas

Пользуетесь ли вы SQL в Pandas? Узнайте, как запросить датафрейм Pandas с помощью SQL, используя возможности и учитывая ограничения библиотеки Pandasql.

https://nuancesprog.ru/p/15179/

@nuancesprog #Pandas #SQL

Знакомьтесь с "великолепной четверкой" методов - assign, map, query и explode. Это самые крутые фичи Pandas. Они сделают ваш код более ясным, элегантным и эффективным.

https://nuancesprog.ru/p/15496/

@nuancesprog #Pandas #Python

Обучающее руководство по извлечению любых данных из твитов посредством пакета Python Tweepy и форматированию их в датафрейм Pandas.

https://nuancesprog.ru/p/15562/

@nuancesprog #Python #Pandas

Рассмотрим продвинутые методы итерирования по строкам, которые заменят iterrows и itertuples. Некоторые из них позволяют повышать производительность почти в две тысячи раз, не снижая при этом читабельности кода.

https://nuancesprog.ru/p/15608/

@nuancesprog #Pandas

Можно ли работать с большими массивами данных при ограниченных вычислительных ресурсах? Можно и очень даже успешно, если использовать пакетную обработку для создания различных агрегаций этих данных.

https://nuancesprog.ru/p/15805/

@nuancesprog #Pandas

Если Pandas удобно использовать для небольших наборов данных, то Pyspark - отличный инструмент для распределенных вычислений огромных массивов данных. Возьмите на заметку готовую инструкцию по преобразованию кода Pandas в Pyspark.

https://nuancesprog.ru/p/14770/

@nuancesprog #Python #Pandas #Pyspark

Эти десять вопросов получили наибольшее количество голосов в категории Pandas на платформе StackOverflow. Они были актуальны десять лет назад, такими же остаются и сегодня. Ответы на них позволяют закрепить фундаментальные операции в Pandas.

https://nuancesprog.ru/p/16281/

@nuancesprog #Pandas

Дата-сайентистам приходится работать с данными разных форматов. Разбираемся, в чем заключается разница между длинным и широким форматами данных, а также в том, как перейти от одного формата к другому в Pandas.

https://nuancesprog.ru/p/16466/

@nuancesprog #Pandas

Бенчмарк производительности популярных инструментов анализа данных заставит вас иногда отказываться от Pandas. Каждый из этих инструментов  -  Polars, DuckDB, Vaex и Modin - при анализе данных на кластере машин работает гораздо быстрее, чем Pandas.

https://nuancesprog.ru/p/17604/

VK: https://vk.com/@nuancesprog-4-alternativy-pandas-uskorennoe-vypolnenie-analiza-dannyh

Дзен: https://dzen.ru/media/nuancesprog.ru/6480c3bf8db8a36014824f22

@nuancesprog #Pandas #Python

Хотите молниеносно выполнять привычные Pandas-операции? Сделайте 7 простых шагов для перехода на Polars! Достоинства этой библиотеки, в числе которых не только скорость, убедят вас в том, что пора попрощаться с Pandas.

https://nsprg.ru/m0rwjv

VK: https://nsprg.ru/ONkKBm

Дзен: https://nsprg.ru/mr7l9x

@nuancesprog #Pandas #Polars #Python

Несмотря на популярность, у Pandas есть немало скрытых возможностей. Предлагаем ознакомиться с 6 из них - они помогут повысить эффективность анализа данных.

https://nsprg.ru/mp9yZx

VK: https://nsprg.ru/vqaGov

Дзен: https://nsprg.ru/mEzYRx

@nuancesprog #Pandas

Составим интерактивную карту путешествий с Python, pandas и Plotly Express. Процесс настолько же увлекательный, как и сами путешествия!

https://nsprg.ru/mY2nox

VK: https://nsprg.ru/xAZ1Kv

Дзен: https://nsprg.ru/OZ5lav

@nuancesprog #Plotly #Pandas #Python

Рассмотрим структуру данных Pandas: массивы, блоки, BlockManager. Познакомимся с понятием консолидированного датафрейма.

https://nsprg.ru/xPZyyO

VK: https://nsprg.ru/v82w1m

Дзен: https://nsprg.ru/vXZbdm

@nuancesprog #Pandas

Действительно ли новый релиз pandas 2.0.0. направлен на повышение производительности, гибкости и совместимости операций с данными? Ответить на этот вопрос поможет данный обзор, в котором представлены 5 функциональных возможностей pandas 2.0.

https://nsprg.ru/mEz63x

VK: https://nsprg.ru/m0rGjv

Дзен: https://nsprg.ru/mr7V9x

@nuancesprog #Pandas #DataScience

Хотите разобраться в том, как новый режим Copy-on-Write (копирование при записи) изменил поведение pandas? Тогда углубимся в механизм Copy-on-Write и остановимся на некоторых фактах, которые полезно знать каждому пользователю pandas.

https://nsprg.ru/m0r91v

VK: https://nsprg.ru/vg23Ax

Дзен: https://nsprg.ru/v2RLRv

@nuancesprog #Pandas

В первой части мы рассказывали о том, как работает механизм Copy-on-Write. Там указывались области, в которых копии внедряются в рабочий процесс. Во второй части сосредоточимся на оптимизациях, которые позволят избежать замедления среднестатистического рабочего процесса.

https://nsprg.ru/m6R7Ym

VK: https://nsprg.ru/my0GaO

Дзен: https://nsprg.ru/x9kg7O

@nuancesprog #Pandas