Adevărul etern este că fiecare rând al unui DataFrame este o Series. Odată ce înțelegi acest lucru, vei realiza că poți accesa o „celulă” individuală a unui DataFrame pur și simplu prin obținerea rândului dorit și apoi prin obținerea valorii … Citeşte mai mult
Să schimbăm exemplul cu o familie diferită și un DataFrame puțin mai mare. Fișierul „simpsons.csv” este reprodus mai jos. Observați ceva ciudat la el? name,species,age,gender,fave,IQ,hair,salary Homer,human,36,M,beer,74,,52000 Marge,human,34,F,helping others,120,stacked tall, Bart,human,10,M,skateboard,90,buzz, Lisa,human,8,F,saxophone,200,curly, Maggie,human,1,F,pacifier,100,curly, SLH,dog,4,M,,,shaggy, Ceea ce vreau să spun este poziționarea … Citeşte mai mult
Python, NumPy și Pandas lucrează împreună pentru a face ca iterarea printr-o Series să fie aproape exact la fel ca iterarea printr-o matrice. De fapt, uneori nici măcar nu sunteți sigur ce tip aveți! Iată din nou Series Marvel regurgitată: … Citeşte mai mult
Acum am o surpriză pentru tine. Este perfect logic să folosești caracterul „>” (numit „mai mare decât”, „paranteză unghiulară dreaptă” sau pur și simplu „wakka”) pentru a însemna „mai mare decât”. Iar caracterul „<” are sens ca „mai mic decât”. … Citeşte mai mult
Regulile pentru Series de copiere (sau necopiere) sunt exact aceleași ca pentru matricele NumPy. Dacă pur și simplu atribuiți un obiect Series unei alte variabile, cele două variabile vor indica aceeași Series din memorie, ceea ce înseamnă că modificările aduse … Citeşte mai mult
În cazul extragerii datelor de pe ecran, dacă datele de pe pagina web pe care doriți să o importați se află în rânduri <table>, puteți (relativ) pur și simplu să utilizați funcția read_html() a Pandas pentru a le extrage în … Citeşte mai mult
Acum, o surpriză pentru cei neatenți. Să presupunem că scriu acest cod: stooges = np.array([‘Larry’,’Beavis’,’Moe’]) funny_people = stooges stooges[1] = ‘Curly’ print(„The stooges are: {}.”.format(stooges)) print(„The funny people are: {}.”.format(funny_people)) Gândiți un moment și preziceți care credeți că va fi … Citeşte mai mult
Următorul rezultat este destul de surprinzător: diva = „Ariana Grande” diva.upper() print(„I just love {}!”.format(diva)) ▌I just love Ariana Grande! Stai…nu a funcționat partea „diva.upper()”? A fost omisă? Am greșit cumva? Și mai confuz este faptul că introducerea apelului „.upper()” … Citeşte mai mult
Figura 27.1: Un arbore de decizie (nu unul deosebit de bun, după cum se va dovedi) pentru setul de date despre jocuri video. Imaginile arborilor de decizie din capitolul 27 au fost destul de ilustrative, dar, desigur, pentru a automatiza … Citeşte mai mult
Reamintim că logaritmul este operația inversă a exponențierii. Cât este 103? 1.000. Deci, care este logaritmul lui 1.000? 3. Este chiar atât de simplu. În loc să întreb: „Cât este zece la această putere?”, întreb „La ce putere aș ridica … Citeşte mai mult
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
