π ΠΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΏΠΈΡΠΎΠΊ pandas: ΠΏΠΎΡΠ°Π³ΠΎΠ²ΠΎΠ΅ ΡΡΠΊΠΎΠ²ΠΎΠ΄ΡΡΠ²ΠΎ Π΄Π»Ρ Π½Π°ΡΠΈΠ½Π°ΡΡΠΈΡ π
ΠΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΏΠΈΡΠΎΠΊ pandas
Π§ΡΠΎΠ±Ρ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΏΠΈΡΠΎΠΊ Π² Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ΅ pandas, Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΊΠΎΠ½ΡΡΡΡΠΊΡΠΎΡ ΠΊΠ»Π°ΡΡΠ° DataFrame ΠΈ ΠΏΠ΅ΡΠ΅Π΄Π°ΡΡ Π΅ΠΌΡ ΠΌΠ°ΡΡΠΈΠ² ΠΈΠ»ΠΈ ΡΠ»ΠΎΠ²Π°ΡΡ Ρ Π΄Π°Π½Π½ΡΠΌΠΈ, ΠΊΠΎΡΠΎΡΡΠ΅ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ Π΄ΠΎΠ±Π°Π²ΠΈΡΡ Π² ΡΠΏΠΈΡΠΎΠΊ.
import pandas as pd
# Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠΏΠΈΡΠΊΠ° ΠΈΠ· ΠΌΠ°ΡΡΠΈΠ²Π°
my_list = [1, 2, 3, 4, 5]
df = pd.DataFrame(my_list)
print(df)
# Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠΏΠΈΡΠΊΠ° ΠΈΠ· ΡΠ»ΠΎΠ²Π°ΡΡ
my_dict = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(my_dict)
print(df)
Π ΠΏΡΠΈΠ²Π΅Π΄Π΅Π½Π½ΠΎΠΌ ΠΊΠΎΠ΄Π΅ ΠΌΡ ΠΈΠΌΠΏΠΎΡΡΠΈΡΡΠ΅ΠΌ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΡ pandas, ΡΠΎΠ·Π΄Π°Π΅ΠΌ ΡΠΏΠΈΡΠΎΠΊ ΠΈΠ· ΠΌΠ°ΡΡΠΈΠ²Π° ΠΈ ΡΠ»ΠΎΠ²Π°ΡΡ, Π° Π·Π°ΡΠ΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌ ΠΊΠΎΠ½ΡΡΡΡΠΊΡΠΎΡ ΠΊΠ»Π°ΡΡΠ° DataFrame Π΄Π»Ρ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠΏΠΈΡΠΊΠ° pandas.
Π£Π΄Π°ΡΠΈ Π² ΠΈΠ·ΡΡΠ΅Π½ΠΈΠΈ pandas!
ΠΠ΅ΡΠ°Π»ΡΠ½ΡΠΉ ΠΎΡΠ²Π΅Ρ
ΠΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΏΠΈΡΠΎΠΊ Π² pandas
ΠΠΎΠ±ΡΠΎ ΠΏΠΎΠΆΠ°Π»ΠΎΠ²Π°ΡΡ! Π ΡΡΠΎΠΉ ΡΡΠ°ΡΡΠ΅ ΠΌΡ ΡΠ°ΡΡΠΌΠΎΡΡΠΈΠΌ, ΠΊΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΏΠΈΡΠΎΠΊ Π² Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ΅ pandas. ΠΡ Π½Π°ΡΠ½Π΅ΠΌ Ρ ΠΏΡΠΎΡΡΡΡ ΠΏΡΠΈΠΌΠ΅ΡΠΎΠ² ΠΈ ΠΏΠΎΡΡΠ΅ΠΏΠ΅Π½Π½ΠΎ ΠΏΠ΅ΡΠ΅ΠΉΠ΄Π΅ΠΌ ΠΊ Π±ΠΎΠ»Π΅Π΅ ΡΠ»ΠΎΠΆΠ½ΡΠΌ.
Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈΠΈ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ°
ΠΠ΅ΡΠ²ΡΠΉ ΡΠΏΠΎΡΠΎΠ± ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠΏΠΈΡΠΊΠ° Π² pandas - ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ Series. Series ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΠ΅Ρ ΡΠΎΠ±ΠΎΠΉ ΠΎΠ΄Π½ΠΎΠΌΠ΅ΡΠ½ΡΠΉ ΠΈΠ½Π΄Π΅ΠΊΡΠΈΡΠΎΠ²Π°Π½Π½ΡΠΉ ΠΌΠ°ΡΡΠΈΠ² Π΄Π°Π½Π½ΡΡ .
ΠΡΠΈΠΌΠ΅Ρ ΠΊΠΎΠ΄Π° Π½ΠΈΠΆΠ΅ ΠΏΠΎΠΊΠ°Π·ΡΠ²Π°Π΅Ρ, ΠΊΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΠ΅ΡΠΈΡ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° Ρ ΠΈΠΌΠ΅Π½Π°ΠΌΠΈ Π³ΠΎΡΠΎΠ΄ΠΎΠ²:
import pandas as pd
cities = ['ΠΠΎΡΠΊΠ²Π°', 'Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³', 'ΠΠ°Π·Π°Π½Ρ', 'ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³']
series = pd.Series(cities)
print(series)
ΠΡΠ²ΠΎΠ΄:
0 ΠΠΎΡΠΊΠ²Π°
1 Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³
2 ΠΠ°Π·Π°Π½Ρ
3 ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³
dtype: object
ΠΠ°ΠΊ Π²ΠΈΠ΄ΠΈΡΠ΅, ΡΠ΅ΡΠΈΡ Π±ΡΠ»Π° ΡΡΠΏΠ΅ΡΠ½ΠΎ ΡΠΎΠ·Π΄Π°Π½Π° ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° Π³ΠΎΡΠΎΠ΄ΠΎΠ².
Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΡΠ΅ΠΉΠΌΠ° Π΄Π°Π½Π½ΡΡ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ°
ΠΡΠΎΡΠΎΠΉ ΡΠΏΠΎΡΠΎΠ± ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠΏΠΈΡΠΊΠ° Π² pandas - ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ DataFrame. DataFrame ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΠ΅Ρ ΡΠΎΠ±ΠΎΠΉ Π΄Π²ΡΠΌΠ΅ΡΠ½ΡΡ ΡΡΡΡΠΊΡΡΡΡ Π΄Π°Π½Π½ΡΡ , ΡΠΎΡΡΠΎΡΡΡΡ ΠΈΠ· ΡΠ΅ΡΠΈΠΉ.
ΠΡΠΈΠΌΠ΅Ρ ΠΊΠΎΠ΄Π° Π½ΠΈΠΆΠ΅ ΠΏΠΎΠΊΠ°Π·ΡΠ²Π°Π΅Ρ, ΠΊΠ°ΠΊ ΡΠΎΠ·Π΄Π°ΡΡ ΡΡΠ΅ΠΉΠΌ Π΄Π°Π½Π½ΡΡ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° Ρ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠ΅ΠΉ ΠΎ Π³ΠΎΡΠΎΠ΄Π°Ρ ΠΈ ΠΈΡ Π½Π°ΡΠ΅Π»Π΅Π½ΠΈΠΈ:
data = {
'ΠΠΎΡΠΎΠ΄': ['ΠΠΎΡΠΊΠ²Π°', 'Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³', 'ΠΠ°Π·Π°Π½Ρ', 'ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³'],
'ΠΠ°ΡΠ΅Π»Π΅Π½ΠΈΠ΅': [12615882, 5392992, 1257391, 1493749]
}
df = pd.DataFrame(data)
print(df)
ΠΡΠ²ΠΎΠ΄:
ΠΠΎΡΠΎΠ΄ ΠΠ°ΡΠ΅Π»Π΅Π½ΠΈΠ΅
0 ΠΠΎΡΠΊΠ²Π° 12615882
1 Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³ 5392992
2 ΠΠ°Π·Π°Π½Ρ 1257391
3 ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³ 1493749
ΠΠ°ΠΊ Π²ΠΈΠ΄ΠΈΡΠ΅, ΡΡΠ΅ΠΉΠΌ Π΄Π°Π½Π½ΡΡ ΡΡΠΏΠ΅ΡΠ½ΠΎ ΡΠΎΠ·Π΄Π°Π½ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° Ρ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠ΅ΠΉ ΠΎ Π³ΠΎΡΠΎΠ΄Π°Ρ ΠΈ ΠΈΡ Π½Π°ΡΠ΅Π»Π΅Π½ΠΈΠΈ.
Π Π°ΡΡΠΈΡΠ΅Π½ΠΈΠ΅ ΡΠΏΠΈΡΠΊΠ°
Π§ΡΠΎΠ±Ρ Π΄ΠΎΠ±Π°Π²ΠΈΡΡ Π½ΠΎΠ²ΡΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΡ Π² ΡΠΏΠΈΡΠΎΠΊ, Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΌΠ΅ΡΠΎΠ΄ append Π΄Π»Ρ ΡΠ΅ΡΠΈΠΈ ΠΈΠ»ΠΈ ΠΌΠ΅ΡΠΎΠ΄ append Π΄Π»Ρ ΡΡΠ΅ΠΉΠΌΠ° Π΄Π°Π½Π½ΡΡ . ΠΠΈΠΆΠ΅ ΠΏΡΠΈΠ²Π΅Π΄Π΅Π½Ρ ΠΏΡΠΈΠΌΠ΅ΡΡ ΠΊΠΎΠ΄Π°, Π΄Π΅ΠΌΠΎΠ½ΡΡΡΠΈΡΡΡΡΠΈΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ ΡΡΠΈΡ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠ².
ΠΡΠΈΠΌΠ΅Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΡ ΠΌΠ΅ΡΠΎΠ΄Π° append Π΄Π»Ρ ΡΠ΅ΡΠΈΠΈ:
series = series.append(pd.Series(['ΠΡΠ°ΡΠ½ΠΎΡΡΡΠΊ']))
print(series)
ΠΡΠ²ΠΎΠ΄:
0 ΠΠΎΡΠΊΠ²Π°
1 Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³
2 ΠΠ°Π·Π°Π½Ρ
3 ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³
0 ΠΡΠ°ΡΠ½ΠΎΡΡΡΠΊ
dtype: object
ΠΡΠΈΠΌΠ΅Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΡ ΠΌΠ΅ΡΠΎΠ΄Π° append Π΄Π»Ρ ΡΡΠ΅ΠΉΠΌΠ° Π΄Π°Π½Π½ΡΡ :
new_data = {
'ΠΠΎΡΠΎΠ΄': ['ΠΡΠ°ΡΠ½ΠΎΡΡΡΠΊ'],
'ΠΠ°ΡΠ΅Π»Π΅Π½ΠΈΠ΅': [1097731]
}
df = df.append(pd.DataFrame(new_data))
print(df)
ΠΡΠ²ΠΎΠ΄:
ΠΠΎΡΠΎΠ΄ ΠΠ°ΡΠ΅Π»Π΅Π½ΠΈΠ΅
0 ΠΠΎΡΠΊΠ²Π° 12615882
1 Π‘Π°Π½ΠΊΡ-ΠΠ΅ΡΠ΅ΡΠ±ΡΡΠ³ 5392992
2 ΠΠ°Π·Π°Π½Ρ 1257391
3 ΠΠΊΠ°ΡΠ΅ΡΠΈΠ½Π±ΡΡΠ³ 1493749
0 ΠΡΠ°ΡΠ½ΠΎΡΡΡΠΊ 1097731
ΠΠ°ΠΊ Π²ΠΈΠ΄ΠΈΡΠ΅, Π·Π½Π°ΡΠ΅Π½ΠΈΡ ΡΡΠΏΠ΅ΡΠ½ΠΎ Π΄ΠΎΠ±Π°Π²Π»Π΅Π½Ρ Π² ΡΠΏΠΈΡΠΎΠΊ.
ΠΠ°ΠΊΠ»ΡΡΠ΅Π½ΠΈΠ΅
Π ΡΡΠΎΠΉ ΡΡΠ°ΡΡΠ΅ ΠΌΡ ΡΠ°ΡΡΠΌΠΎΡΡΠ΅Π»ΠΈ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠ΅ ΡΠΏΠΎΡΠΎΠ±Ρ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠΏΠΈΡΠΊΠΎΠ² Π² Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ΅ pandas. ΠΡ Π½Π°ΡΠ°Π»ΠΈ Ρ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠ΅ΡΠΈΠΈ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° ΠΈ Π·Π°ΡΠ΅ΠΌ ΠΏΠ΅ΡΠ΅ΡΠ»ΠΈ ΠΊ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΡΠ΅ΠΉΠΌΠ° Π΄Π°Π½Π½ΡΡ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° Ρ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠ΅ΠΉ ΠΎ Π³ΠΎΡΠΎΠ΄Π°Ρ ΠΈ ΠΈΡ Π½Π°ΡΠ΅Π»Π΅Π½ΠΈΠΈ. Π’Π°ΠΊΠΆΠ΅ ΠΌΡ ΡΠ°ΡΡΠΌΠΎΡΡΠ΅Π»ΠΈ ΠΊΠ°ΠΊ ΡΠ°ΡΡΠΈΡΠΈΡΡ ΡΠΏΠΈΡΠΎΠΊ, ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡ ΠΌΠ΅ΡΠΎΠ΄Ρ append.
Π’Π΅ΠΏΠ΅ΡΡ Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΡΠ°ΠΌΠΎΡΡΠΎΡΡΠ΅Π»ΡΠ½ΠΎ ΠΏΡΠΎΠ±ΠΎΠ²Π°ΡΡ ΡΠΎΠ·Π΄Π°Π²Π°ΡΡ ΡΠΏΠΈΡΠΊΠΈ Π² pandas ΠΈ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΈΡ Π΄Π»Ρ Π°Π½Π°Π»ΠΈΠ·Π° Π΄Π°Π½Π½ΡΡ . Π£ΡΠΏΠ΅Ρ ΠΎΠ² Π²Π°ΠΌ!