熊貓DataFrame

數據科學時,毫不誇張地說,你可以改變你的生意的方式是通過使用其潛能和熊貓DataFrame。要做到這一點,你需要正確的數據結構。這些將幫助您盡可能高效的當你操作和分析數據。

最有用的一個數據結構可以使用為這個目的是熊貓DataFrame。

熊貓是一個開源庫編寫的Python編程語言提供了快速、適應性強的數據結構和數據分析工具。韋斯·麥金尼最初寫這個易於使用的數據操作工具。這是建立在NumPy包,其關鍵數據結構稱為DataFrame。

如果你想,“堅持下去。慢下來。熊貓DataFrame是什麼?”,那麼別擔心,我們會進入深度不久。現在,所有你需要知道的是,熊貓DataFrame是一個用戶友好的工具,適合使用在很大程度上依賴數據的領域。包括科學計算、機器學習,如前所述,科學數據。

我們將打破熊貓下麵的細節。我們將要涉及的話題包括如何讓熊貓DataFrame以及如何開始使用熊貓DataFrame,以及使用熊貓DataFrame的優點。

大熊貓提供了兩種類型的數據結構:

• 熊貓DataFrame(二維)
• 熊貓係列(維)

大熊貓使用CSV或TSV文件或數據,如SQL(結構化查詢語言)數據庫,並把它們轉換成Python對象的行和列稱為DataFrame。這些對象非常類似於表中可用統計軟件(如Excel和SPSS)。Excel的工作方式類似,熊貓DataFrames允許你存儲和操作表格變量的觀測數據行和列,以及從給定的數據集提取有價值的信息。

你可以執行熊貓API在Apache 3.2火花。這讓你熊貓被均勻地分布工作負載,確保一切都完成它應該的方式。

現在我們已經介紹了大熊貓提供了兩種類型的數據結構,是時候後退一步看看熊貓DataFrame實際上是什麼。我們會給你一個快速定義,其次是一個方便的類型的輸入列表DataFrame可以接受。

什麼是熊貓DataFrame ?

熊貓DataFrame是一種表示和處理表格數據。它可以被視為一個表組織數據的行和列,使它一個二維的數據結構。DataFrame可以從頭開始創建的,或者您也可以使用其他數據結構,比如NumPy數組。

當你使用熊貓DataFrame,您可以以各種格式導入數據和從各種來源。舉例來說,您可以導入NumPy陣列,與熊貓能夠導入內容。

這是主要的輸入接受DataFrame類型:

• Dict的1 d ndarrays、列表、字典或係列
• 二維numpy.ndarray
• 結構化或記錄ndarray
• 一個係列
• 另一個DataFrame

常見問題與熊貓DataFrames如何工作

知道哪個結構熊貓究竟提供了一個熊貓DataFrame並不一定等同於知道熊貓DataFrames的一切。這就是為什麼我們將這部分回答一些最常見的問題如何處理熊貓DataFrames。

如果你的問題沒有在6我們將回答下麵,請繼續閱讀。我們將覆蓋其他幾個話題,以及回答一些關鍵問題在本文的結束。

1。如何刪除指標,從大熊貓DataFrame行或列

並不是所有DataFrame列(或行或指數)總是同樣必要。事實上,有時,你會發現你需要刪除一個DataFrame對象,這就是為什麼我們將向您展示如何這樣做。

我們將通過如何刪除每一個反過來,從指數。對於這些和所有在本文例子之後,我們將縮寫“DataFrame”“df”在我們的代碼中,因為它是一種常見的做法。

雖然DataFrames總是有某種指數,很難完全刪除索引,您可以修改索引標簽或刪除它的名字。刪除作品通過執行del df.index.name命令的名稱。

你也可以選擇重置DataFrame指數。這可以幫助當你有重複的索引值。所有你需要做的就是重新索引,減少任何副本,然後恢複新的duplicate-free列索引。

刪除列有點簡單。通過使用下降()方法,您可以取出列。這需要您輸入的列標簽你想擺脫,所以確保你有正確的列名下降()命令之前。如果你原地設置為True,您將能夠不重新分配DataFrame刪除列。

最後,我們將向您展示如何刪除DataFrame行。

執行df。drop_duplicates()將根據您提供的標準刪除重複的行對行標簽。你也可以選擇相同的.drop()方法也適用於列,除了你會提供一個行指數下降。一定要你這樣做後重置指數。

具體刪除行用缺失值,您可以使用DataFrame。dropna(軸= 0,= '任何'打=,=子集,原地= False)。這將自動取出任何具有零值的行。您還可以調整函數的參數來確定缺少的值會刪除的數據在一個特定的選擇。

如果你想將null值替換為具體的值,您可以使用.fillna()命令,而不是刪除他們.dropna ()。

2。如何重命名的索引或列熊貓DataFrame嗎

重命名索引和列是更容易和更簡單的刪除它們。重命名這些對象,所有你要做的就是使用.rename()方法並填寫該指數(或列)你想給一個新值。

如果你改變了原地參數錯誤的重命名任務,DataFrame不會重新分配時改變列的名稱。

3所示。你的熊貓DataFrame如何格式化數據嗎

大多數時候,DataFrame用戶需要編輯,DataFrames變化和格式的值。我們要看一些最重要的策略來知道如果這是你想要做什麼。

當你想要更換一個字符串的每個實例,您可以使用.replace()命令,填寫空白的格式(值你改變,你改變它)。

然後程序自動替代字符串的每個實例或價值你想改變的項目你改變它。

另一種類型的格式你可能需要的是能夠帶走的部分你不需要的字符串。map()命令將你選擇的lambda函數適用於每個元素在這一列,如果你使用它在“結果”列。

你也可以列文本分割成多個行,盡管這是一個有點複雜,所以請容忍我們帶您通過一個簡短的教程。

首先,你必須確定行太長,這樣你知道哪些你想分裂。一旦你有下來,你就會想要列,它們在空間和字符串。下一步是把值將在行和把它們分割成一係列對象。

如果你有NaN值係列,別擔心,你朝著正確的方向前進。簡單的棧係列,你會保證係列的最後副本不會有任何多餘的NaN值。

係列堆疊成所需的格式,你會放棄這行了DataFrame水平。之後,它隻是改變你的DataFrame係列,把它回到它來自DataFrame然後刪除從你的原始DataFrame錯誤的列。最後一步(刪除列)阻止你生成副本。

去年的格式你可以適用於數據DataFrame需要應用一個函數的形式DataFrame的行或列。

先選擇行你想工作使用.loc[]或.iloc []。但由於我們在DataFrame,更具體地說使用df。loc df.iloc。然後,一旦你有正確的行挑出,您可以使用申請(),碰巧,倍壓器等應用功能一行或一列。

4所示。如何創建一個空DataFrame

創建一個空DataFrame歸結為使用熊貓DataFrame()函數。

如果你希望初始化DataFrame nan,您可以簡單地選擇使用numpy。南,一種浮動。這意味著數據值新DataFrame也將默認類型的浮動。通過輸入dtype屬性,然後填寫你要找的類型,你可以繞過這個默認設置。

DataFrame()函數依賴你你想傳遞的數據放入DataFrame,如,你的索引和列。這些數據可以有盡可能多的不同類型的需要。此外,正如我們所建立的,你總是可以強迫其數據類型是什麼您想要使用dtype屬性。

你可以選擇指定軸標簽或索引你的空DataFrame將使用。如果你不這樣做,熊貓DataFrame將自動為您構建他們使用常識規則。

5。熊貓識別導入數據的日期嗎?

原則上,是的。在實踐中,這是一個更加複雜。

熊貓可以選擇日期正在進入這一事實,但效果最好,當你給它一個小推到正確的方向。更具體地說,你想要加入parse_dates參數當你導入數據從CSV文件或類似的東西。對於一個CSV文件,會看起來像這樣:

pd。read_csv (yourFile, parse_dates = True)

這種方法最適合使用數字格式的日期。然而,並不是所有的日期都需要這種類型的格式。

不尋常的日期格式,或者那些DataFrame承認有一些麻煩,你想要創建自己的解析器。這些可能需要lambda函數的形式,使用格式字符串控製輸入識別的日期和時間。

無論你選擇推去給熊貓,它將識別後的日期和時間完成。以最小的輸入結束,這意味著你可以指示DataFrame接在任何基於日期的信息,你喂它。

6。的時候,為什麼以及如何重塑你的熊貓DataFrame

數據分析最重要的用途之一是熊貓DataFrame。這就是為什麼重要的是要能夠塑造和重塑你的DataFrame,所以你塑造成的結構是適合您的數據分析需求。

所以,這個問題的答案“我應該重塑DataFrame ?”:當當前格式不是有用的數據分析計劃進行,當你不希望創建新行或列。你應該重塑它的原因是你正在尋找的形狀最適合您的數據分析。

就剩下一個問題:“如何?”

你可以選擇主或堆棧。您還可以使用“unstacking和融化”的方法。我們會詳細分解每個三種方法是如何工作的,以及如何使用它們來重塑你的DataFrame。

重塑你的DataFrame和主方法

讓我們先看主的選擇。這將創建一個新表從你,讓你塑造新副本看起來隻是你所希望的方式。使用這個函數依賴於通過三個參數。

首先,有價值。這個論點是你選擇的點的值將被納入的原始DataFrame新一,所以你可以選擇包括什麼,你寧願離開。

接下來,您將通過列。任何你將會成為你最後的表列。

最後,你必須選擇指標您想要使用你的新表。

重要的是具體什麼你想合並生成的表的數據。例如,你不能行包含重複的值包含在您指定的列,因為會出現一條錯誤消息。另一個例子是,你會由多個列主如果你不挑出哪些你想要包含在最終的表值。

接下來我們將繼續考慮疊加。

重塑你的DataFrame疊加方法

疊加DataFrames讓他們高。你可能會認識到這一事實。我們談到了疊加的預排在第三個問題如何DataFrame中的數據格式。

技術的解釋是,你移動的列索引,改變它到最裏麵的行索引。這個DataFrame讓你有一個新的索引的一個新的水平行標簽,將位於內層的水平。

現在是時候考慮如何unstack。你可能會想象,堆積的逆過程;地方堆積最內層的列索引,unstacking最裏麵的行索引。unstack時,你移動的行索引,因此它可以作為最內層的列索引。Unstacking與融化一起使用,因此接下來我們將看看。

重塑你的DataFrame熔融法

融化是理想的時候你DataFrame變量使用一個或多個列作為標識符,與其他列被測變量。融化在這些情況下,基本上讓你讓你DataFrame更長,更廣泛。

你基本上un-pivot測量變量行軸,這樣融化可以確保測量變量放置在DataFrame而不是它的高度寬度。最終產品將包含兩個列:一個用於變量和值。

如何使用熊貓DataFrames嗎

您可以使用DataFrames幾乎以相同的方式你會使用Excel電子表格,和熊貓DataFrame也不例外。

本質上,您可以使用熊貓DataFrame作為一個數據結構。它也可以被用來處理和分析數據,就像電子表格。

你有數據時需要讀取或操作,熊貓是一個有用的工具來幫助你完成這一目標。我們已經描述了如何將數據輸入大熊貓DataFrame,因為熊貓是兼容很多不同類型的數據,您可以導入大量的類型的數據。這樣可以確保你可以與你的信息不管什麼格式。

然後,您可以使用上述格式的過程我們將數據轉換成你需要的格式。你已經有了可以轉換數據,塑造成更有用的格式,更適合您的需要。

因為熊貓是專門用於Python,您可以使用兩個一起幾乎所有的時間。這意味著您可以輕鬆地執行任務擴展世鵬科技電子計算PySpark和熊貓。

我們會得到更具體的關於如何在熊貓DataFrames執行特定的任務和功能。我們將討論諸如創建熊貓DataFrames、索引和迭代在進入細節之前關於使用熊貓的優點的。

如何創建一個熊貓DataFrame嗎

因為熊貓DataFrames是通用的工具,可用於多種不同的方式,也可以使用一些不同的創建策略。

我們已經介紹了如何建立一個空的熊貓DataFrame應對問題4。這是其中一個方法,你可以使用它來創建一個新的熊貓DataFrame。這個方法最適合當你不已經有另一個數據結構本質上是“遷移”到大熊貓,換句話說,當你想要開始一個完全空白。

我們將看到如何創建一個熊貓DataFrame從NumPy ndarray。

短的是,你可以很容易的讓DataFrames NumPy數組。所有你需要做的就是將你選擇的數組傳遞給DataFrame熊貓數據參數()函數,然後用你塑造你的新DataFrame NumPy數據。的觀點是這樣的:

打印(pd。dataframe [])

和你輸入的數據在尖括號。

值、索引和列名稱應該已經包含在你的NumPy數組,熊貓可以使用特定的信息來創建合適的DataFrame你。

使用熊貓DataFrames的一個好處是,DataFrame()函數可以有很多不同的結構作為輸入。當你創建結構使用non-NumPy結構,這一過程幾乎以相同的方式工作。也就是說,你仍然是你的數組傳遞到DataFrame()函數,然後指示大熊貓使用這些信息來創建新的DataFrame。

您甚至可以使用一個創建新的DataFrame DataFrame作為輸入。要做到這一點,你會使用my_df = pd。DataFrame(),將輸入數據插入到公式。

將包含在原始字典的鍵的指數係列,你DataFrame。導入完成後,你的鑰匙將被自動排序。

您可以使用形狀屬性,加上.index屬性,了解你創建的DataFrame的維度。這將向您展示它的寬度和高度。如果你想完全了解它的高度,你會希望使用LEN()函數(再次,連同.index屬性),它將向您展示DataFrame的高度。

兩種方法顯示你的尺寸DataFrame包括所有NaN值。另一方麵,使用df [0]。count()將向您展示DataFrame的身高沒有任何NaN值。

在熊貓DataFrames索引

你能想到的索引數據以同樣的方式你會認為索引物理產品的一個集合。換句話說,索引在熊貓涉及分類數據和組織通過挑選特定的值,你想使用的行和列。

熊貓的索引DataFrame讓你做的是類似於那種可以執行在Excel中。最大的區別是熊貓索引更詳細的和通用的,讓你獲得更廣泛的選項在你所希望的方式來處理您的數據。

熊貓,你可以通過選擇特定的行和/或列索引的數據DataFrame中你想使用。準確的選擇可以采取許多形式。有時,你會想用幾行但所有列;其他時候,它是反過來的。您可能還需要一些特定的行和列。

既然你選擇特定子集的數據,索引有時也稱為子集的選擇。

讓我們來談談如何在熊貓DataFrame索引工作。

你可以使用四個單獨的指數在熊貓的方法,所以我們要給出一個快速概述的這些。首先,df[],這是一個索引操作符函數。您還可以使用df。loc[]當你處理標簽。df。iloc[]主要用於數據的集中在立場和/或基於整數數據。最後,df。第九[],標簽,和基於整數數據的函數。

我們剛剛提到的四個索引風格稱為索引器,他們一些最常見的索引數據的方法。

遍曆一個熊貓DataFrame

準備好這是一個好主意的時候,你需要反複執行同一組語句在熊貓DataFrame,或者,換句話說,當你想要遍曆行。

這是另一個函數,在熊貓很容易執行。你想要使用一個for循環和一個iterrows()命令設置迭代。這允許你把你的DataFrame行成一個循環的形式(指數係列)對。

這樣,你可以得到(指數(行)中元組的結果。

當你迭代的熊貓,你指示DataFrame迭代作為一個字典。也就是說,你遍曆對象的鍵,把項目一個接一個的行和列。

使用熊貓DataFrames的優點

• 可以很容易地加載數據從不同的數據庫和數據格式:
  • 可以使用許多不同的數據類型
• 直觀的合並和加入數據集,使用一個共同的關鍵為了得到一個完整的視圖嗎
• 在DataFrame段記錄
• 允許智能基於標簽的切片,創造性的索引和大型數據集的構造子集
• 聚合和總結很快為了得到有說服力的數據從你在熊貓DataFrames數據通過訪問內置函數
• 定義自己的Python函數具有一定的計算任務和應用它們DataFrame記錄
• 有語法,和更少的寫作可以幫助你完成更多的工作嗎
  • 允許您在兩行或更少,完成同樣的事情,可能需要在c++或Java 15行
  • 簡化工作流程,每天做更多的事情,增加你實際上能夠處理的數據量和分析
• 訪問各種各樣的功能,所有這些都與Python完全兼容,因為熊貓是設計用於與Python
  • 更容易由於Python-pandas組合,鑒於許多精通Python是業內專業人士
• 輕鬆地處理大量數據和效率,而且,由於語法我們已經提到的,速度
• 定製數據方法由於靈活的數據處理,可以讓你輕鬆編輯數據,以及使用任何必要的功能
• 更容易因為他們是開源,確保任何人誰需要他們可以使用他們
• 兼容很多不同類型的編程語言中,甚至超出了他們設計的。例如,它使用Java和HTML
• 可以很容易地轉換成其他格式,比如_json嗎

前5名熊貓DataFrame可視化工具

雖然大熊貓DataFrame提供了用戶的機會使用很多不同的特性和功能,靈活操作任何數據進入熊貓庫,它不是設計成一個高度可視化工具。基本上,它會給你更多的後台視圖。

這是非常有用的原因很多。例如,有時候,你需要你輸入數據的可視化表示。

考慮,例如,熊貓比較類似的工具像Excel。在Excel中,你可以點擊幾個按鈕,自動把純粹的數值數據變成視覺上吸引人的圖表,圖表或其他表示。熊貓不會有這樣的功能。

出於這個原因,你還想看熊貓DataFrame本身以外的數據可視化工具。

我們編譯下麵的五個最佳DataFrame可視化工具。前兩個是JavaScript工具,而其他三個數據分析沒有與Java相關的應用程序。我們將分解每個工具的細節,顯示你為什麼它是有用的和我們應得的排名已經給了它。

的說,讓我們先看一下兩大工具和JavaScript工具把這些斑點的原因。

JavaScript工具

最初被稱為LiveScript, JavaScript是今天最流行的編程語言之一,由於其靈活、動態特性。它使用的語法類似於C,另一個廣泛使用的編程語言。

當您使用JavaScript,您可以創建交互式網頁。您還可以調整現有的web頁麵。喜歡熊貓DataFrame, JavaScript能夠操縱數據,因此您可以使用它來執行計算或驗證基於數據的結論。也非常適合任何想將動態文本插入到HTML或CSS文件。

在這個例子中,我們看到的JavaScript工具可用於大熊貓DataFrame可視化。

JavaScript工具之所以能夠上榜前兩位最佳可視化工具是JavaScript語言,總是不斷變化的。廣泛使用不僅因為它廣泛有用,但也因為它是不斷發展和開發更多的人使用它。所以工具使用這種語言可以創建更靈活的和最新的用戶的需求。

現在,讓我們看看Qgrid, JavaScript熊貓DataFrame可視化工具,其次是數據透視表。js,第二這個目的的工具。

1。Qgrid

由Quantopian, Qgrid給你DataFrame額外的互動使用SlickGrid組件,讓你在熊貓DataFrame排序和過濾數據顯示版本。Qgrid Jupyter筆記本小部件。

使用Qgrid,得到過濾您的數據的類型。這意味著你獲得一個易於使用的和Qgrid過濾係統。

時特別有用Qgrid特征數據可視化是能夠讓你配置渲染功能。在你完成配置,您可以閱讀你選擇DataFrame中的數據。這使得Qgrid特別適合數據操作或對那些需要仔細檢查他們的數據。

讓我們來看一個快速概述Qgrid是如何工作的。

使用它,您分配一個特定的空間使用其母QGridLayout布局或parentWidget ()。該工具將這個空間分為行和列,將分配給它的每個小部件放到適當的細胞。

2。PivotTable.js

在我們第二位與熊貓工具使用,數據透視表。js是一個JavaScript模塊,它使用一個數據透視表庫。它讓你總結和主數據,幫助您與您的數據更容易和可親。

數據透視表的主要好處。js是它很容易使用。所有你需要做的就是點擊並拖動,然後就可以充分利用其特性。

這些功能包括簡單的可視化,與熊貓DataFrame數據的統計分析。這是一個很好的工具旋轉和總結數據,這樣您就可以得到一個概述的熊貓DataFrame中的數據更容易理解。同樣,當你建立了一個表,您可以過濾的數據包含在它,給你額外的效用相同的部件。

PivotTable.jsis also useful for dragging and dropping pivot charts and tables into pandas DataFrame. You can use this method to transfer tables from Jupyter and IPython Notebook, giving you more flexibility regarding the data that you input into your pandas library.

數據分析應用程序

我們建立,熊貓DataFrams非常有用對於任何想分析他們的數據。

處理數據可以很複雜。當數據生成,它不會自動組織,除非你把它插到合適的工具或應用正確的公式。這是什麼使數據分析應用程序的一部分所以有價值;分析數據,甚至組織良好的數據,隻是快很多,當你可以計劃一個函數來為你做這些。

在本節中,我們要考慮三個最適合的數據分析應用程序幫助您可視化信息儲存在你的熊貓DataFrame。

3所示。pandasGUI

pandasGUI是一個基於python庫來幫助創建數據操作和彙總統計。他們應用於DataFrame庫中的數據使用一個GUI(圖形用戶界麵),其中包括執行任何操作的接口。pandasGUI旨在讓您輸入命令在UI(用戶界麵),然後程序執行在大熊貓本身。

快速注意對於任何想安裝pandasGUI最好建立一個新的、獨立的虛擬環境為這個特定的目的。你可以安裝pandasGUI庫在這個環境中。這樣,你就會擁有一個幹淨的安裝,並能夠更快地使用這個工具。

一旦安裝和設置完成後,你可以馬上開始。你DataFrame傳遞給函數,pandasGUI將自動填充行和列,它吸引了來自你的數據集。你甚至可以一次加載多個數據集使用這種方法,讓你得到一個簡單的概述的大量信息。

您的數據將訪問您的GUI一旦被成功傳遞給函數。從這裏,您可以與、編輯、分析和操作這些數據在很多不同的方麵。這或多或少的作品像Excel電子表格的可用功能外觀和布局。

GUI中的數據格式可以被複製和粘貼到其他格式。這使它特別容易轉移數據的可視化工具的選擇如果你要找的類型的可視化圖表或圖形。

從本質上講,pandasGUI尤其易於使用。它也非常友好,甚至是缺乏經驗的程序員。這就是為什麼獲得這個地方作為第三熊貓DataFrame有用的數據可視化工具。

4所示。Tabloo

Tabloo自稱是一個“簡約儀表板應用程序可視化列表數據。”You can run it from Python, meaning it's fully compatible with pandas as well.

這個數據可視化工具使用一個瓶後端,雖然它也與其他類型的後端語言兼容。後端被用來給你一個簡單的接口,可以將視覺數據的數據庫投入你的熊貓。

Tabloo還允許您圖數據。這意味著你不需要求助於外部軟件開始看到那些你需要圖形和圖表,方便如果你正在尋找一個快速可視化和不想去尋找更多的工具給你。

使用的方式,與pandasGUI Tabloo有很多共同之處。還組織數據進入細胞,然後可以操作使用相同的函數,pandasGUI也能夠運行。但是,它是一個更困難的申請超過一個Tabloo過濾一次,這是pandasGUI非常能夠處理。

語法Tabloo操作是查詢語法,就像pandasGUI。

pandasGUI和Tabloo之間一個重要的區別是,前者是功能豐富。你簡單地得到更多的選項來處理您的數據使用pandasGUI時,這就是為什麼Tabloo排名較低的名單上,盡管不可否認為用戶提供有用的特性。

5。維加拉

特色的建築與Tabloo, d影片占用在這個名單的最後。d影片使用瓶後端,前端Tabloo一樣,在反應,可以幫助你充分利用廣泛的一係列選項d影片讓你使用。

用戶界麵可以看到當你使用d影片,作為應用程序的名字一樣,很詳細。你可以訪問這個熊貓數據導入到d影片之中。它會自動對你是組織為行和列,其中有大量的排序功能可以用來得到你想要的數據集看起來完全一樣。您可以使用鎖、隱藏、刪除和重命名功能,其中,對於任何你選擇行或列,例如。

d影片也讓你起草的視覺表征數據,從圖表,柱狀圖。

一個有用的d影片的功能就是你可以在任何時候出口從應用程序代碼。這段代碼可以很容易地粘貼到另一個應用程序來檢查其有效性或以其他方式處理數據。

d影片還允許您處理您的數據的格式。例如,假設你有日期包含在您的數據集。如果你想讓你的日期相互獨立的幾個月和天使用反斜杠而不是一段時間,你可以調整d影片。

熊貓DataFrames簡而言之

當你想過程、操作和分析數據,熊貓DataFrame是你的朋友。

這個圖書館的設計結合使用Python,使其可以訪問幾乎任何即使是通過熟悉Python。處理數據的能力在許多不同的格式,也確保您可以輸入數據容易無論什麼形式,數據需要。

我們討論了使用熊貓的最大優勢在這篇文章中,但我們會給你一個快速的總結。熊貓DataFrame允許您快速輕鬆地聚合數據。這也是兼容多個可視化工具,提供最大的靈活性。不像其他的腳本語言,它能做很多事情隻有幾行代碼命令,使其更快地使用定期。

總之,熊貓DataFrame是有用的,這是適用於任何想處理數據。