পান্ডাস বেসিকস – ফ্রি পাইথন কোর্স ২০২০ – ক্লাস ১৫

পান্ডাস ওয়েস ম্যাককিনির(Wes McKinney) দ্বারা নির্মিত একটি উচ্চ-স্তরের ডেটা ম্যানিপুলেশন সরঞ্জাম। এটি নম্পি প্যাকেজটিতে নির্মিত এবং এর মূল ডেটা কাঠামোটিকে ডেটাফ্রেম বলা হয়। ডেটা ফ্রেমগুলি আপনাকে ভেরিয়েবলের সারি এবং কলামগুলির সারিগুলিতে টবুলার ডেটা সংরক্ষণ এবং ম্যানিপুলেট করতে দেয়।

ডেটা ফ্রেম তৈরির বিভিন্ন উপায় রয়েছে। একটি উপায় হ’ল অভিধান ব্যবহার করা। উদাহরণ স্বরূপ:

dict = {"country": ["Brazil", "Russia", "India", "China", "South Africa"],
       "capital": ["Brasilia", "Moscow", "New Dehli", "Beijing", "Pretoria"],
       "area": [8.516, 17.10, 3.286, 9.597, 1.221],
       "population": [200.4, 143.5, 1252, 1357, 52.98] }

import pandas as pd
brics = pd.DataFrame(dict)
print(brics)

ফলাফল:

        country    capital    area  population
0        Brazil   Brasilia   8.516      200.40
1        Russia     Moscow  17.100      143.50
2         India  New Dehli   3.286     1252.00
3         China    Beijing   9.597     1357.00
4  South Africa   Pretoria   1.221       52.98

আপনি যেমন নতুন BRICS DataFrame এর সাথে দেখতে পাচ্ছেন, পান্ডাস প্রতিটি Country এর জন্য একটি জাতীয় সংখ্যা 0 থেকে 4 এর মধ্যে নির্ধারণ করেছেন যেমন,

dict = {"country": ["Brazil", "Russia", "India", "China", "South Africa"],
       "capital": ["Brasilia", "Moscow", "New Dehli", "Beijing", "Pretoria"],
       "area": [8.516, 17.10, 3.286, 9.597, 1.221],
       "population": [200.4, 143.5, 1252, 1357, 52.98] }

import pandas as pd
brics = pd.DataFrame(dict)
brics.index = ["BR", "RU", "IN", "CH", "SA"]
print(brics)

ফলাফল:

         country    capital    area  population
BR        Brazil   Brasilia   8.516      200.40
RU        Russia     Moscow  17.100      143.50
IN         India  New Dehli   3.286     1252.00
CH         China    Beijing   9.597     1357.00
SA  South Africa   Pretoria   1.221       52.98

ডেটাফ্রেম তৈরির আরেকটি উপায় হ’ল পান্ডাস(Pandas) ব্যবহার করে কোনও CSV ফাইল ইমপোর্ট করা। এখন, CSV car.csv সঞ্চিত রয়েছে এবং pd.read_csv ব্যবহার করে ইমপোর্ট করা যায়:

# Import pandas as pd
import pandas as pd

# Import the cars.csv data: cars
cars = pd.read_csv('cars.csv')

# Print out cars
print(cars)

ফলাফল:

      Unnamed: 0  cars_per_cap        country drives_right
    0         US           809  United States         True
    1        AUS           731      Australia        False
    2        JAP           588          Japan        False
    3         IN            18          India        False
    4         RU           200         Russia         True
    5        MOR            70        Morocco         True
    6         EG            45          Egypt         True

ইনডেক্সিং DataFrames

পান্ডাস ডেটা ফ্রেমকে সূচিকরণের বিভিন্ন উপায় রয়েছে। এটি করার সহজতম উপায়গুলির মধ্যে একটি হল স্কোয়ার ব্র্যাকেট [] ব্যবহার করে।

নীচের উদাহরণে, আপনি car ডেটা ফ্রেমের একটি কলাম নির্বাচন করতে স্কয়ার ব্রাকেট ব্যবহার করতে পারেন। আপনি হয় একক বন্ধনী বা ডাবল বন্ধনী ব্যবহার করতে পারেন। একক বন্ধনী বন্ধনী একটি পান্ডাস সিরিজ আউটপুট দেবে, যখন একটি ডাবল বন্ধনী একটি পান্ডাস ডেটা ফ্রেম আউটপুট দেবে।

# Import pandas and cars.csv
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Print out country column as Pandas Series
print(cars['cars_per_cap'])

# Print out country column as Pandas DataFrame
print(cars[['cars_per_cap']])

# Print out DataFrame with country and drives_right columns
print(cars[['cars_per_cap', 'country']])

ফলাফল:

    US     809
    AUS    731
    JAP    588
    IN      18
    RU     200
    MOR     70
    EG      45
    Name: cars_per_cap, dtype: int64
         cars_per_cap
    US            809
    AUS           731
    JAP           588
    IN             18
    RU            200
    MOR            70
    EG             45
         cars_per_cap        country
    US            809  United States
    AUS           731      Australia
    JAP           588          Japan
    IN             18          India
    RU            200         Russia
    MOR            70        Morocco
    EG             45          Egypt

স্কোয়ার বন্ধনীগুলি ডেটা ফ্রেম থেকে পর্যবেক্ষণ (সারি) অ্যাক্সেস করতে ব্যবহার করা যেতে পারে। উদাহরণ স্বরূপ:

# Import cars data
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Print out first 4 observations
print(cars[0:4])

# Print out fifth and sixth observation
print(cars[4:6])

ফলাফল:

         cars_per_cap        country drives_right
    US            809  United States         True
    AUS           731      Australia        False
    JAP           588          Japan        False
    IN             18          India        False
         cars_per_cap  country drives_right
    RU            200   Russia         True
    MOR            70  Morocco         True

আপনি প্রায় যেকোনও ডেটা নির্বাচন অপারেশন করতে loc এবং iloc ব্যবহার করতে পারেন। loc হল লেবেল ভিত্তিক, যার অর্থ আপনাকে সারি এবং কলামগুলি তাদের সারি এবং কলাম লেবেলের ভিত্তিতে নির্দিষ্ট করতে হবে। iloc হল পূর্ণসংখ্যা(integer) সূচক ভিত্তিক, সুতরাং আপনাকে তাদের পূর্ণসংখ্য সূচক দ্বারা সারি এবং কলামগুলি নির্দিষ্ট করতে হবে।

# Import cars data
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Print out observation for Japan
print(cars.iloc[2])

# Print out observations for Australia and Egypt
print(cars.loc[['AUS', 'EG']])

ফলাফল:

    cars_per_cap      588
    country         Japan
    drives_right    False
    Name: JAP, dtype: object
         cars_per_cap    country drives_right
    AUS           731  Australia        False
    EG             45      Egypt         True