4.1 ВВЕДЕНИЕ В PANDAS

После рассмотрения текстовых форматов, регулярных выражений и численных массивов возникает необходимость работы с данными в табличной форме. Именно табличная модель является основной в прикладном анализе данных, статистике и машинном обучении. Для решения таких задач используется библиотека Pandas.

4.1.1 Место Pandas в структуре анализа данных

В главе 2 прослеживается последовательность представления данных – от внешнего источника к аналитической структуре (Таблица 4.1.1).

Таблица 4.1.1 – Эволюция представления данных в модулях курса

Раздел	Представление данных	Инструмент
2.2	Текстовый файл	open(), csv
2.3	Структурированный текст	re
3.1	Числовой массив	NumPy
4.1	Табличная модель	Pandas

Таким образом, в предыдущих разделах данные:

· были считаны из внешнего источника (разделы модуля 2);

· очищены и структурированы (разделы модуля 2);

· представлены в виде числового массива (разделы модуля 3).

В разделе 2.5 данные приобретают форму структурированной таблицы, предназначенной для прикладного анализа. Pandas завершает этап формирования аналитической модели данных, объединяя структуру таблицы и численные возможности NumPy.

4.1.2 Назначение библиотеки Pandas

В аналитической практике данные чаще всего имеют табличную структуру, где:

· строки представляют собой наблюдения;

· столбцы – измеряемые признаки;

· значения – результаты измерений.

Такая форма организации информации является базовой для статистики, машинного обучения и прикладного анализа. Библиотека Pandas предназначена для работы именно с табличными структурами данных (Таблица 4.1.2).

Таблица 4.1.2 – Основные возможности Pandas

Группа операций	Назначение
Загрузка данных	Чтение CSV, Excel и других форматов
Выбор данных	Доступ к столбцам и строкам
Фильтрация	Отбор по условиям
Агрегирование	Расчёт статистик
Работа с пропусками	Обнаружение и обработка
Интеграция с NumPy	Численные вычисления

Аналитический акцент. Если NumPy ориентирован на работу с числовыми массивами, то Pandas ориентирован на работу с структурированными наборами данных, где важно не только значение, но и его контекст (имя признака, индекс строки). Таким образом:

· NumPy – инструмент математических операций;

· Pandas – инструмент организации и анализа таблиц.

Именно поэтому Pandas используется как основной инструмент прикладного анализа данных.

4.1.3 Основная структура библиотеки Pandas – DataFrame

Центральным объектом библиотеки Pandas является DataFrame. DataFrame – это двумерная табличная структура данных, предназначенная для хранения и анализа информации, представленной в виде строк и столбцов (таблица 4.1.3).

Таблица 4.1.3 – Структура DataFrame

Компонент	Описание	Аналитический смысл
Индекс	Идентификатор строки	Номер наблюдения
Столбцы	Имена признаков	Переменные
Значения	Данные таблицы	Измерения
Типы данных	dtype столбцов	Тип признака

Таким образом, DataFrame моделирует реальный набор данных, где каждая строка соответствует объекту исследования, а каждый столбец – измеряемому признаку.

Пример создания DataFrame

# Подключение библиотеки pandas

import pandas as pd

# Создание словаря

# Ключи станут именами столбцов

# Значения – списками одинаковой длины

data = {

    "name": ["Анна", "Иван", "Мария"],

    "age": [21, 22, 20],

    "score": [88, 75, 92]

}

# Формирование DataFrame

df = pd.DataFrame(data)

# Вывод таблицы

print(df)

Результат:

    name  age  score

0   Анна   21     88

1   Иван   22     75

2  Мария   20     92

Пояснение к коду

· каждая строка – отдельный объект наблюдения;

· каждый столбец – признак;

· индекс формируется автоматически;

· типы данных определяются для каждого столбца.