Programma Les 79 van 250 · Basis van data: numpy & pandas
Basis van data: numpy & pandas

pandas: Series en DataFrame

numpy is geweldig voor getallen, maar echte data heeft gelabelde kolommen met gemengde types: namen, data, prijzen. Dat is waar pandas voor is. Het belangrijkste object is de DataFrame: een tabel met genaamde kolommen en een index voor rijen.

De makkelijkste manier om er een te bouwen is vanuit een dictionary, waarbij elke key een kolomnaam is en elke value een lijst van cellen is:

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

Een paar essentiële zaken voor het inschatten van elke tabel:

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

een enkele kolom is een Series (een 1D gelabelde array). Pak er een met bracket notation:

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

df.shape is een tuple (n_rows, n_cols), dus df.shape[0] is de rijtelling.

Jij bent aan de beurt

Bouw een DataFrame df uit deze dict: {"name": ["Ada", "Bo", "Cy", "Di"], "score": [88, 72, 95, 60]}. Sla het aantal rijen op in n_rows (gebruik df.shape). Sla daarna het gemiddelde van de score kolom op in avg_score.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.