Lehrplan Lektion 79 von 250 · Daten Grundlagen: numpy & pandas
Daten Grundlagen: numpy & pandas

pandas: Series und DataFrame

numpy ist großartig für Zahlen, aber echte Daten haben beschriftete Spalten mit gemischten Typen: Namen, Daten, Preise. Dafür ist pandas da. Sein Hauptobjekt ist der DataFrame: eine Tabelle mit benannten Spalten und einem Index für Zeilen.

Der einfachste Weg, eines zu bauen, ist von einem Dictionary, wo jeder Key ein Spaltenname ist und jeder Value eine Liste von Zellen ist:

import pandas as pd
df = pd.DataFrame({
    "name": ["Ada", "Bo", "Cy"],
    "age":  [30, 25, 35],
    "city": ["NYC", "LA", "NYC"],
})
print(df)

Einige Grundlagen für die Einschätzung jeder Tabelle:

print(df.shape)     # (3, 3)   rows, columns
print(df.columns)   # Index(['name', 'age', 'city'], ...)
print(df.head(2))   # the first 2 rows
print(df.dtypes)    # the type of each column

Eine einzelne Spalte ist eine Series (ein 1D gelabeltes Array). Nimm eine mit der Bracket-Notation:

ages = df["age"]
print(ages.mean())   # 30.0
print(ages.max())    # 35

df.shape ist ein Tupel (n_rows, n_cols), also ist df.shape[0] die Zeilenanzahl.

Du bist dran

Erstelle ein DataFrame df aus diesem dict: {"name": ["Ada", "Bo", "Cy", "Di"], "score": [88, 72, 95, 60]}. Speichere die Anzahl der Zeilen in n_rows (nutze df.shape). Speichere dann den Mittelwert der score Spalte in avg_score.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.