pandas Tutorial
Iniziare con i panda

Osservazioni

Versioni

Installazione o configurazione

Istruzioni dettagliate su come installare o installare i panda possono essere trovate qui nella documentazione ufficiale .

Installazione di panda con Anaconda

Installare panda e il resto dello stack NumPy e SciPy può essere un po 'difficile per gli utenti inesperti.

Il modo più semplice per installare non solo i panda, ma Python e i pacchetti più popolari che compongono lo stack SciPy (IPython, NumPy, Matplotlib, ...) è con Anaconda , una piattaforma multipiattaforma (Linux, Mac OS X, Windows) Distribuzione Python per analisi dei dati e calcolo scientifico.

Dopo aver eseguito un semplice programma di installazione, l'utente avrà accesso ai panda e al resto dello stack SciPy senza bisogno di installare altro e senza dover attendere la compilazione di alcun software.

Le istruzioni di installazione per Anaconda possono essere trovate qui .

Un elenco completo dei pacchetti disponibili come parte della distribuzione di Anaconda può essere trovato qui .

Un ulteriore vantaggio dell'installazione con Anaconda è che non è necessario disporre dei diritti di amministratore per installarlo, verrà installato nella home directory dell'utente e ciò rende inoltre banale l'eliminazione di Anaconda in un secondo momento (basta eliminare tale cartella).

Installazione dei panda con Miniconda

La sezione precedente delineava come ottenere i panda installati come parte della distribuzione di Anaconda. Tuttavia, questo approccio implica l'installazione di oltre un centinaio di pacchetti e comporta il download del programma di installazione di poche centinaia di megabyte.

Se vuoi avere più controllo su quali pacchetti, o avere una larghezza di banda internet limitata, installare dei panda con Miniconda potrebbe essere una soluzione migliore.

Conda è il gestore di pacchetti su cui è costruita la distribuzione di Anaconda. È un gestore di pacchetti che è indipendente dalla piattaforma e dalla lingua (può giocare un ruolo simile a una combinazione pip e virtualenv).

Miniconda consente di creare un'installazione Python autonoma e minimale, quindi utilizzare il comando Conda per installare pacchetti aggiuntivi.

Innanzitutto avrai bisogno di Conda per essere installato e il download e l'esecuzione di Miniconda lo faranno per te. L'installer può essere trovato qui .

Il passo successivo è quello di creare un nuovo ambiente conda (questi sono analoghi a un virtualenv ma consentono anche di specificare con precisione quale versione Python installare anche). Esegui i seguenti comandi da una finestra di terminale:

conda create -n name_of_my_env python

Questo creerà un ambiente minimale con solo Python installato in esso. Per metterti dentro questo ambiente, corri:

source activate name_of_my_env

Su Windows il comando è:

activate name_of_my_env

Il passaggio finale richiesto è installare i panda. Questo può essere fatto con il seguente comando:

conda install pandas

Per installare una versione di panda specifica:

conda install pandas=0.13.1

Per installare altri pacchetti, ad esempio IPython:

conda install ipython

Per installare la distribuzione completa di Anaconda:

conda install anaconda

Se hai bisogno di pacchetti disponibili per pip ma non di conda, installa semplicemente pip e usa pip per installare questi pacchetti:

conda install pip
pip install django

Di solito, si installano i panda con uno dei gestori di pacchetti.

esempio pip:

pip install pandas

Ciò richiederà probabilmente l'installazione di un numero di dipendenze, tra cui NumPy, richiederà un compilatore per compilare i bit di codice richiesti e può richiedere alcuni minuti per essere completato.

Installa via anaconda

Per prima cosa scarica anaconda dal sito Continuum. Tramite il programma di installazione grafico (Windows / OSX) o eseguendo uno script di shell (OSX / Linux). Questo include i panda!

Se non vuoi che i 150 pacchetti siano comodamente raggruppati in anaconda, puoi installare miniconda . Tramite il programma di installazione grafico (Windows) o lo script di shell (OSX / Linux).

Installa i panda su miniconda usando:

conda install pandas

Per aggiornare i panda all'ultima versione in anaconda o miniconda usare:

conda update pandas

Ciao mondo

Una volta installato Pandas, è possibile verificare se funziona correttamente creando un set di dati con valori distribuiti casualmente e tracciando il proprio istogramma.

import pandas as pd  # This is always assumed but is included here as an introduction.
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)

values = np.random.randn(100) # array of normally distributed random numbers
s = pd.Series(values) # generate a pandas series
s.plot(kind='hist', title='Normally distributed random values') # hist computes distribution
plt.show()   

Controlla alcune delle statistiche dei dati (media, deviazione standard, ecc.)

s.describe()
# Output: count    100.000000
# mean       0.059808
# std        1.012960
# min       -2.552990
# 25%       -0.643857
# 50%        0.094096
# 75%        0.737077
# max        2.269755
# dtype: float64

Statistiche descrittive

Le statistiche descrittive (media, deviazione standard, numero di osservazioni, minimo, massimo e quartili) di colonne numeriche possono essere calcolate utilizzando il metodo .describe() , che restituisce un dataframe panda di statistiche descrittive.

In [1]: df = pd.DataFrame({'A': [1, 2, 1, 4, 3, 5, 2, 3, 4, 1], 
                           'B': [12, 14, 11, 16, 18, 18, 22, 13, 21, 17], 
                           'C': ['a', 'a', 'b', 'a', 'b', 'c', 'b', 'a', 'b', 'a']})

In [2]: df
Out[2]: 
   A   B  C
0  1  12  a
1  2  14  a
2  1  11  b
3  4  16  a
4  3  18  b
5  5  18  c
6  2  22  b
7  3  13  a
8  4  21  b
9  1  17  a

In [3]: df.describe()
Out[3]:
               A          B
count  10.000000  10.000000
mean    2.600000  16.200000
std     1.429841   3.705851
min     1.000000  11.000000
25%     1.250000  13.250000
50%     2.500000  16.500000
75%     3.750000  18.000000
max     5.000000  22.000000

Si noti che poiché C non è una colonna numerica, è esclusa dall'output.

In [4]: df['C'].describe()
Out[4]:
count     10
unique     3
freq       5
Name: C, dtype: object

In questo caso il metodo riepiloga i dati categoriali per numero di osservazioni, numero di elementi unici, modalità e frequenza della modalità.