5 шпаргалок по Python для разных сфер применения

Не тратьте время на поиск одной и той же информации, если что-то забыли или ещё не успели запомнить.

Чтобы вы могли быстро найти то, что вам нужно, мы собрали шпаргалки по:
— основам Python;
— регулярным выражениям;
— библиотеке Pandas;
— фреймворку Django;
— виртуальному окружению Python.

Изучить подробнее и скачать шпаргалки можно здесь:
https://tprg.ru/pGhf

#шпаргалка #django #pandas

​Индексация и отбор данных в Pandas

В Pandas существует несколько способов выбора данных — DataFrame или Series. Поскольку документация у этой библиотеки не самая простая, то разобраться может быть не просто. Да и понять, когда воспользоваться тем или иным лучше, тоже не всегда очевидно.

В этой статье автор подробно разбирает примеры использования различных методов индексации и отбора данных:

https://tprg.ru/ZiUS

#pandas

​Чтение и запись HTML-таблиц с помощью Pandas

Python имеет обширные возможности и подходит не только для машинного обучения, но и для веб-разработки. Так, с помощью библиотеки Pandas мы можем взаимодействовать с HTML, например, читая и записывая различные данные.

В этой статье мы поработаем с HTML-таблицами, используя Pandas:

https://tprg.ru/WEOe

#pandas

Срезы в Pandas

Это вторая часть статьи об индексации и работе с данными. В первой части автор прошёлся по основам работы с данными, а теперь он расскажет непосредственно о создании срезов и возможных проблемах с этим:

https://tprg.ru/AYr3

#pandas

​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