​Новая библиотека превосходит Pandas по производительности

Pandas возникла в 2008 году и на сегодняшний день является крайне популярной, если речь идёт о Data Science. Но ничто не вечно под луной и вот, появилась новая библиотека pypolars, которая уже сейчас может конкурировать с Pandas как минимум в плане производительности.

В этой статье провели сравнительные тесты скорости отработки одних и тех же действий с помощью этих двух библиотек и результаты заставляют задуматься:

https://tprg.ru/qvjG

#datascience #pandas

10 советов при работе с Pandas в Python

В этой статье собраны несколько полезных, но не всегда очевидных трюков, которые помогут работать с Pandas:

https://tprg.ru/7Dy8

#pandas

​Загрузка данных SQL в Pandas без нехватки памяти

Если вы попытаетесь загрузитесь слишком большой объём данных в Pandas из SQL, то велика вероятность, что вашему компьютеру просто не хватит оперативной памяти, чтобы обработать такой запрос.

Этой проблемы можно избежать и в этой статье вы узнаете как:

https://tprg.ru/Rqst

#pandas #sql

9 первоклассных функций Pandas Python для работы с данными

Pandas — мощная и одна из самых популярных библиотек при работе с данными, машинном обучении и ИИ. В этой статье представлены 9 функций, которые продемонстрируют его возможности и заставят полюбить его:

https://tprg.ru/YTmK

#pandas

Как правильно сортировать данные в Pandas

В этой статье вы узнаете, как сортировать датафреймы Pandas по нескольким столбцам с помощью метода sort_values, а также по индексам методом sort_index.

Подробности:

https://tprg.ru/y3kT

#pandas

​Добавление нового столбца в существующий DataFrame в Pandas

Держите небольшой гайд с пятью способами добавления нового столбца в Pandas. Вы узнаете, как это сделать с помощью DataFrame.insert(), DataFrame.assign(), pandas.concat() и не только.

Подробнее:

https://itsmycode.com/adding-new-column-to-existing-dataframe-in-pandas/

#pandas

​​25 возможностей Pandas, о которых вы не знали

Возможно, что некоторые возможности вам и известны, но многие из них являются новыми и малоизвестными. Поэтому рекомендуем вам быстро пробежаться по списку и найти для себя что-то новое и полезное:

https://proglib.io/p/25-vozmozhnostey-pandas-o-kotoryh-vy-ne-znali-2022-02-28

#pandas

Работа с отсутствующими значениями в Pandas

Отсутствующее значение в наборе данных отображается как вопросительный знак, ноль, NaN или просто пустая ячейка. Но как можно справиться с недостающими данными?

На самом деле есть много способов. В этой статье рассмотрены типичные варианты на примере набора данных «Titanic». Эти данные являются открытым набором данных Kaggle. Подробнее:

https://habr.com/ru/post/663414/

#pandas #datascience

​Пакетная обработка 22 ГБ данных о транзакциях с помощью Pandas

С большими наборами данных работать сложно, особенно при отсутствии необходимых ресурсов. Если вы не располагаете достаточно мощным компьютером, то решить проблему такой обработки можно с помощью фрагментации данных. Как это сделать можно узнать здесь:

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

#datascience #pandas

​Анализ данных на Python с помощью Pandas

Сегодня данные присутствуют во всех сферах жизни, будь то медицинские исследования или данные технологической компании. Независимо от того, с какими данными вы работаете, вы должны знать, как фильтровать и анализировать ваши данные. 

В этой статье вы познакомитесь с одним из популярных инструментов анализа данных в Python:

https://www.askpython.com/python-modules/pandas/data-analysis

#pandas

​Как получить данные в нужном формате с помощью Pandas

Специалистам по данным постоянно приходится приводить данные в нужный им вид. Иногда, очищая от лишнего, в других случаях меняя формат данных. Чаще всего применяются два формата данных: длинный и широкий.

В этой статье вы рассмотрите несколько примеров, чтобы понять, как именно выглядит каждый формат данных, а затем посмотрите, как конвертировать один формат в другой с помощью Pandas:

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

#pandas #datascience

​Гайд по обработке данных с помощью Pandas

Отличное руководство для новичков и тех, кто постоянно работает с Pandas. В статье досконально описаны стандартные методы фильтрации, объединения, приведения типов и другие операции, но даже для гуру найдётся пара новых приёмов. Вау-эффект гарантирован.

#pandas

​Продолжение бомбического гайда по работе с Pandas

Продолжение статьи от руководителя группы видеоаналитики MTS AI Андрея Дугина про библиотеку Pandas. На сей раз вы узнаете, чем отличается представление (view) от копии (copy) датафрейма, как наконец избавиться от SettingWithCopyWarning (‘a value is trying to be set on a copy of a slice from a DataFrame’), и почему цепочка методов не является оптимальным решением с точки зрения расходования памяти.

Статья

#pandas #лучшиепрактики

​​Квиз про сводные таблицы на Python

Небольшая бесплатная викторина на 10 вопросов с небезызвестного realpython.com про pivot tables на pandas. Перед прохождением освежить материал можно по ссылке.

NB! Если хотите сохранить результат, предварительно авторизуйтесь.

#квиз #pandas

@zen_of_python

Полезная шпаргалка по Pandas

В этом файле вы найдёте несколько страниц полезных шпаргалок по базовым командам и конкретным задачам.

#шпаргалка #pandas

Работаем с данными через GUI

Познакомившись с Bamboolib вы будете жалеть, что не узнали о ней раньше. Она позволяет работать с фреймами данных pandas через графический интерфейс, что сильно упрощает задачу.

Познакомиться с её возможностями подробнее и установить можно по ссылке:

https://pypi.org/project/bamboolib/#description

#библиотека #datascience #pandas

Гайд по обработке данных с помощью Pandas

Отличное руководство для новичков и тех, кто постоянно работает с Pandas. В статье досконально описаны стандартные методы фильтрации, объединения, приведения типов и другие операции, но даже для гуру найдётся пара новых приёмов. Вау-эффект гарантирован.

#гайд #pandas