Pandas — программная библиотека на языке Python для обработки и анализа данных.
Работа Pandas с данными строится поверх библиотеки NumPy, являющейся инструментом более низкого уровня. Предоставляет специальные структуры данных и операции для манипулирования числовыми таблицами и временны́ми рядами.
В разделе представлена полезная информация о том как использовать Pandas: анализ данных, подготовка и очистка данных
Дня начала сделаем небольшой датафрейм при помощи метода .from_dict (): И посмотрим, что есть в данном датафрейме Использование Pandas.loc для установки столбца в Pandas Функция Pandas.loc невероятно мощная! Вот очень хорошая статья по loc...
Часто возникает необходимость при экспорте данных в CSV-файл с использованием Pandas исключить индексы, которые автоматически добавляются самим Pandas. Иногда требуется также пропустить заголовки. В данной заметке представлены краткие инструкции о том, как осуществить экспорт...
Это краткая инструкция по установке Jupyter Notebook в MacOS. Cразу будут установлены инструменты для аналитики данных. Требования — у вас на Mac должен быть установлен Python + Virtualenv, если таковых нет в системе — в этой...
Для подсчета уникальных значений в датафрейме необходимо использовать функцию nunique (). Синтаксис функции nunique () Функция nunique () в использовании достаточно проста: Пример функции nunique () В приведенном ниже примере показано, как использовать эту...
Есть файл с данными — https://github.com/Yorko/mlcourse.ai/blob/main/data/adult.data.csv Задача добавить новую колонку «is-german» и заполнить ее признаком False, если в колонке «native-country» стоит признак Germany добавить новую колонку «age-group» (Возрастная группа, и запонить ее даннными исходя из...
Категоризация возраста в Pandas при помощи функции cut () или qcut (). cut () разбивает данные на интервалы по заданным границам, а qcut () разбивает данные на интервалы равного размера. Пример использования cut ()...
Задача получить CSV в котором будут сгруппированны данные по USER_ID и DATE_PAYMENT_MONTH, чтобы в результате понять какой пользователь нам платит каждый месяц, сколько пользователь портатил на услугу и далее с ними как-то прокоммуницировать. Для...
Описание датасетов Датасет 1 (dataset-users_emails) — USER_ID, EMAIL. В нем USER_ID пользователя из CRM и EMAIL (далее будет выступать как ключ связки). Датасет 2 (dataset-emails_phones) — EMAIL, PHONE. Это набор данных, которые мы собирали из различных...