Una dintre cele mai comune categorii de informații cu care te vei ocupa vreodată este cea care se ocupă de diferite aspecte ale timpului. Se pare că acest lucru este mult mai complex decât ați crede la început. În primul … Citeşte mai mult
Este adesea cazul că, deși un DataFrame conține informațiile brute de care aveți nevoie, nu este exact în forma de care aveți nevoie pentru analiza dvs. Poate că datele sunt în unități diferite decât aveți nevoie – metri în loc … Citeşte mai mult
Scrierea funcțiilor este mai mult sau mai puțin instrumentul final din setul de instrumente al programatorului și, după cum am învățat de-a lungul anilor mei de predare, adesea provoacă cele mai multe probleme. Acum s-ar putea să vă gândiți, „hei, așteptați, … Citeşte mai mult
Vom învăța următorul nostru truc de programare: cum să executăm codul condiționat. Aceasta se numește ramificare. Este o altă variantă de programare neliniară, cum ar fi buclele din capitolul 14: permite altceva decât execuția strictă, de la început până la … Citeşte mai mult
În secțiunea 13.1 am învățat cum să scriem interogări simple pentru a potrivi selectiv doar anumite elemente ale unei Series. Aceeași tehnică ne este disponibilă cu DataFrames, doar că este mai puternică, deoarece există mai multe coloane cu care să … Citeşte mai mult
Cel mai adesea, vom folosi o buclă for pentru a „face o buclă prin” sau a „itera prin” conținutul unei variabile de date agregate. Aceasta înseamnă că în loc să executăm un fragment de cod o dată, îl vom executa o dată pentru … Citeşte mai mult
Exemplu: understanding = pd.Series([15,4,13,3,7], index=[4,10,2,12,9]) print(understanding) print(„The min is {}.”.format(understanding.min())) print(„The max is {}.”.format(understanding.max())) print(„The idxmin is {}.”.format(understanding.idxmin())) print(„The idxmax is {}.”.format(understanding.idxmax())) ▐ 4 15 ▐ 10 4 ▐ 2 13 ▐ 12 3 ▐ 9 7 ▐ dtype: int64 … Citeşte mai mult
În acest capitol, vom acoperi câteva funcții din diferite biblioteci importate care sunt căutate frecvent sau utilizate în Python. Acest capitol nu este necesar pentru a înțelege pe deplin elementele de bază ale Python. Acest capitol este menit să arate … Citeşte mai mult
Ca și în cazul ndarray NumPy, puteți aplica operatori aritmetici precum + și * la Series întregi la un moment dat, care nu este doar un cod ușor de scris, ci și rulează fulgerător. Dar Pandas Series este chiar mai … Citeşte mai mult
Aici vom încpe să acoperim câteva tehnici comune pentru tratarea datelor JSON. Cel mai adesea, ceea ce faci este să scrii cod Python care parcurge sistematic datele, extragând chirurgical părțile de care ai nevoie pentru analiză. Aceste părți pot fi … Citeşte mai mult
Până acum, programarea pe care ați făcut-o a fost procedurală. Cu toate acestea, o mulțime de programe astăzi sunt orientate pe obiecte. Cunoașterea ambelor tipuri și cunoașterea diferenței este foarte importantă. Multe limbaje importante din informatică, cum ar fi C++ … Citeşte mai mult
Este ușor să te încurce sintaxa Pandas pentru a accesa biții individuali din DataFrames. Mai întâi, să vorbim despre rânduri și coloane, iar apoi vom vorbi despre elementele atomice („celule”) însele. Să presupunem că aveți un DataFrame numit df. Iată cum puteți … Citeşte mai mult
