पंडों के साथ डेटा विश्लेषण का परिचय

आज हम पंडों के पैकेज के बारे में बात करेंगे। यह पैकेज पायथन को डेटा विश्लेषण के लिए एक शक्तिशाली उपकरण बनाता है। पैकेज पिवट टेबल बनाने, ग्रुपिंग करने, सारणीबद्ध डेटा तक सुविधाजनक पहुंच प्रदान करने और अगर पैकेज उपलब्ध है, तो मैटलपोटलिब परिणामी डेटा सेट पर ग्राफ खींचना संभव बनाता है। अगला, पैकेज के साथ काम करने की मूल बातें दिखाई जाएंगी, जैसे डेटा लोड करना, खेतों तक पहुंचना, फ़िल्टर करना और सारांश तैयार करना।

बुनियादी डेटा संरचनाएं और उनका लोडिंग

सबसे पहले, आइए पंडों में डेटा भंडारण संरचनाओं के बारे में कुछ शब्द कहें। इनमें से मुख्य हैं सीरीज़ और डेटाफ़्रेम।
श्रृंखला एक अनुक्रमित, एक आयामी मूल्यों की सरणी है। यह एक प्रकार का तानाशाह का एक सरल शब्दकोश जैसा दिखता है, जहां तत्व का नाम सूचकांक और मूल्य के रिकॉर्ड के अनुरूप होगा।
एक DataFrame मूल्यों की एक अनुक्रमित बहुआयामी सरणी है; तदनुसार, DataFrame का प्रत्येक स्तंभ एक श्रृंखला संरचना है।
इसलिए, हमने संरचनाओं को थोड़ा अलग किया। हम पैकेज के साथ काम करने के लिए सीधे आगे बढ़ते हैं। किसी भी डेटा का विश्लेषण शुरू करने के लिए, आपको इसे डाउनलोड करने की आवश्यकता है। पंडों ने उदाहरण के लिए, डेटा स्रोतों का एक विस्तृत चयन प्रदान किया है:

• एसक्यूएल
• पाठ फ़ाइलें
• एक्सेल फाइल
• एचटीएमएल

आप प्रलेखन में उनके बारे में अधिक पढ़ सकते हैं।
उदाहरण के लिए, 2 पाठ फ़ाइलें अपलोड करें। यह read_csv () फ़ंक्शन के साथ किया जा सकता है:

from pandas import read_csv df1 = read_csv("df1.txt") df2 = read_csv("df2.txt",";") #    

अब हमारे पास 2 df1 डेटासेट स्टोर और शिपमेंट की संख्या है:

दुकान	मात्रा
427	3
707	4
957	2
437	1

और df2 जिसमें स्टोर और उसका शहर है:

दुकान	नाम
347	कीव
427	समेरा
707	मिन्स्क
957	इरकुत्स्क
437	मास्को

बुनियादी डेटासेट संचालन

आप डेटासेट पर विभिन्न क्रियाएं कर सकते हैं, उदाहरण के लिए, संयोजन, कॉलम जोड़ना, रिकॉर्ड जोड़ना, फ़िल्टर करना, सारांश बनाना और अन्य। आइए अब, ऊपर वर्णित सभी विशेषताओं को प्रदर्शित करने के लिए, निम्न कार्य:

1. स्टोर के शहरों के साथ सेट में, फ़ील्ड 'देश' जोड़ें और संबंधित देशों को भरें
2. एक यूक्रेनी स्टोर चुनें और इसकी संख्या बदलें
3. पिछले चरण में प्राप्त स्टोर को सामान्य सूची में जोड़ें
4. df1 से सेट df2 में मात्रा जोड़ें
5. देश और शिपमेंट की संख्या द्वारा सारांश तालिका बनाएं

इसलिए, डेटासेट में एक नया कॉलम जोड़ने के लिए, एक इन्सर्ट () कमांड है:

 country = [u'',u'',u'',u'',u''] df2.insert(1,'country',country) 

हमारे मामले में, फ़ंक्शन को 3 तर्क दिए गए हैं:

1. उस स्थिति की संख्या जहां नया कॉलम डाला जाएगा
2. नया कॉलम नाम
3. कॉलम मानों की एक सरणी (हमारे मामले में, यह एक नियमित सूची है)

उपरोक्त संचालन करने के बाद df2 देखें:

दुकान	देश	नाम
347	यूक्रेन	कीव
427	आरएफ	समेरा
707	बेलोरूस	मिन्स्क
957	आरएफ	इरकुत्स्क
437	आरएफ	मास्को

अब आपको एक स्टोर चुनने की आवश्यकता है जहां देश `यूक्रेन` के बराबर होगा। DataFrame में कॉलम एक्सेस करने के 2 तरीके हैं:

• बिंदु के माध्यम से - डेटासेट। फील्ड का नाम
• वर्ग कोष्ठक में - डेटासेट ['फील्डनेम']

डेटा सेट को फ़िल्टर करने के लिए, आप वर्गाकार कोष्ठकों का उपयोग कर सकते हैं जिसके अंदर एक डाटासेट स्थिति [स्थिति] होगी । शर्त में ऊपर वर्णित प्रारूप में, खेतों के नाम और उन पर लगाए गए शर्त शामिल होने चाहिए। इस प्रकार, आप ब्याज की दुकान लेने के लिए और इसकी संख्या को निम्नानुसार चुन सकते हैं:

 t = df2[df2.country == u''] t.shop = 345 

इस कोड के निष्पादन का परिणाम एक नया मध्यवर्ती डेटा सेट होगा, जिसमें एक रिकॉर्ड होगा:

दुकान	देश	नाम
345	यूक्रेन	कीव

पिछले चरण में प्राप्त रिकॉर्ड को जोड़ने के लिए, आपको एपेंड () फ़ंक्शन को निष्पादित करने की आवश्यकता है, एक तर्क के रूप में डेटा सेट को स्थानांतरित किया जाता है, जिसे मूल एक में जोड़ा जाना चाहिए:

 df2 = df2.append(t) 

डेटा एकत्रीकरण

अब df2 स्टोर की हमारी मुख्य सूची में, आप df1 डेटासेट से मात्रा को खींच सकते हैं। आप इसे मर्ज () फ़ंक्शन की सहायता से कर सकते हैं, जो दो डेटा सेट (SQL में जुड़ने का एनालॉग ) को जोड़ता है:

 res = df2.merge(df1, 'left', on='shop') 

पैरामीटर के रूप में, फ़ंक्शन लेता है:

• डेटासेट (जो स्रोत से जुड़ा होगा)
• कनेक्शन प्रकार
• कनेक्शन के लिए उपयोग किया जाने वाला क्षेत्र

आप प्रलेखन में मापदंडों के बारे में अधिक पढ़ सकते हैं। अंतिम ऑपरेशन से पहले सेट किया गया डेटा इस तरह दिखता है:

दुकान	देश	नाम	मात्रा
347	यूक्रेन	कीव	NaN
427	आरएफ	समेरा	3
707	बेलोरूस	मिन्स्क	4
957	आरएफ	इरकुत्स्क	2
437	आरएफ	मास्को	1
345	यूक्रेन	कीव	NaN

यह समझने के लिए एक पिवट टेबल का निर्माण किया जाता है कि प्रत्येक देश को कितना भेजना है। इसके लिए एक pivot_table () फ़ंक्शन है। हमारे उदाहरण में, फ़ंक्शन पैरामीटर के रूप में लेता है:

• उन स्तंभों की सूची जिनके द्वारा कुल मूल्य पर विचार किया जाएगा
• सारांश तालिका में पंक्तियों की सूची
• फ़ंक्शन जो एकत्रीकरण के लिए उपयोग किया जाता है
• खाली मानों को 0 से बदलने के लिए पैरामीटर

सारांश बनाने के लिए कोड इस तरह दिखता है:

 res.pivot_table(['qty'],['country'], aggfunc='sum', fill_value = 0) 

अंतिम तालिका इस तरह दिखाई देगी:

देश	मात्रा
बेलोरूस	4
आरएफ	6
यूक्रेन	0

निष्कर्ष

अंत में, मैं यह कहना चाहूंगा कि बड़ी मात्रा में डेटा के साथ काम करते समय पंडस एक्सेल का एक अच्छा विकल्प है। दिखाई गई विशेषताएं सिर्फ हिमशैल की नोक हैं जिन्हें पंड कहा जाता है। भविष्य में, मैं लेखों की एक श्रृंखला लिखने की योजना बना रहा हूं जो इस पैकेज की पूरी शक्ति दिखाएगा।