การวิเคราะห์ข้อมูลและการแสดงภาพใน Python?

Python มีไลบรารี่จำนวนมากสำหรับการวิเคราะห์ข้อมูลและการแสดงภาพ โดยส่วนใหญ่เป็น numpy, pandas, matplotlib, seaborn เป็นต้น ในส่วนนี้ เราจะพูดถึงไลบรารี pandas สำหรับการวิเคราะห์ข้อมูลและการแสดงภาพ ซึ่งเป็นไลบรารีโอเพนซอร์สที่สร้างขึ้นบน numpy

ช่วยให้เราสามารถวิเคราะห์และทำความสะอาดข้อมูลและเตรียมข้อมูลได้อย่างรวดเร็ว นอกจากนี้ Pandas ยังมีฟีเจอร์การแสดงภาพในตัวจำนวนมาก ซึ่งเราจะดูด้านล่าง

การติดตั้ง

ในการติดตั้งแพนด้า ให้รันคำสั่งด้านล่างในเทอร์มินัลของคุณ -

pipinstall pandas

หรือมีอนาคอนด้าใช้

condainstall pandas

แพนด้า-DataFrames

กรอบข้อมูลเป็นเครื่องมือหลักเมื่อเราทำงานกับแพนด้า

รหัส −

import numpy as np
import pandas as pd
from numpy.random import randn
np.random.seed(50)
df = pd.DataFrame(randn(6,4), ['a','b','c','d','e','f'],['w','x','y','z'])
df

ผลลัพธ์

แพนด้า-ไม่มีข้อมูล

Weare จะได้เห็นวิธีที่สะดวกในการจัดการกับ data inpandas ที่หายไป ซึ่งจะถูกเติมด้วย 0 หรือ nan โดยอัตโนมัติ

import numpy as np
import pandas as pd
from numpy.random import randn
d = {'A': [1,2,np.nan], 'B': [9, np.nan, np.nan], 'C': [1,4,9]}
df = pd.DataFrame(d)
df

ผลลัพธ์

ดังนั้นเราจึงมีค่าหายไป 3 ค่าด้านบน

df.dropna()

df.dropna(axis = 1)

df.dropna(thresh = 2)

df.fillna(value = df.mean())

แพนด้า − นำเข้าข้อมูล

เรากำลังจะไปอ่านไฟล์ csv ซึ่งจัดเก็บไว้ในเครื่องของเรา (ในกรณีของฉัน) หรือเราสามารถดึงข้อมูลจากเว็บได้โดยตรง

#import pandas library
import pandas as pd

#Read csv file and assigned it to dataframe variable
df = pd.read_csv("SYB61_T03_Population Growth Rates in Urban areas and Capital cities.csv",encoding = "ISO-8859-1")

#Read first five element from the dataframe
df.head()

ผลลัพธ์

เมื่อต้องการอ่านจำนวนแถวและคอลัมน์ใน dataframe หรือไฟล์ csv ของเรา

#Countthe number of rows and columns in our dataframe.
df.shape

ผลลัพธ์

(4166,9)

แพนด้า − Dataframe Math

Operationson dataframes สามารถทำได้โดยใช้เครื่องมือต่างๆ ของ pandas forstatistics

#To computes various summary statistics, excluding NaN values
df.describe()

ผลลัพธ์

# computes numerical data ranks
df.rank()

ผลลัพธ์

.....

.....

หมีแพนด้า − กราฟพล็อต

import matplotlib.pyplot as plt
years = [1981, 1991, 2001, 2011, 2016]

Average_populations = [716493000, 891910000, 1071374000, 1197658000, 1273986000]

plt.plot(years, Average_populations)
plt.title("Census of India: sample registration system")
plt.xlabel("Year")
plt.ylabel("Average_populations")
plt.show()

ผลลัพธ์

พล็อตกระจายของข้อมูลด้านบน:

plt.scatter(years,Average_populations)

ฮิสโตแกรม:

import matplotlib.pyplot as plt

Average_populations = [716493000, 891910000, 1071374000, 1197658000, 1273986000]

plt.hist(Average_populations, bins = 10)
plt.xlabel("Average_populations")
plt.ylabel("Frequency")

plt.show()

ผลลัพธ์