کالی لینوکس

تابع پرکاربرد Pandas

پرکاربردترین توابع Pandas که به صورت روزانه از آن‌ها می‌ تونید استفاده کنید! در ادامه، 20 تا از بهترین و پرکاربردترین توابع Pandas را معرفی می‌کنم:


read_csv():
بارگذاری سریع داده‌ها از فایل‌های CSV

head():
مشاهده پنج ردیف اول دیتابیس برای شروع.

info():
بررسی ساختار داده‌ها مانند نوع داده و مقادیر خالی.

describe():
تولید آمار توصیفی برای ستون‌های عددی.

loc[ ]:
دسترسی به ردیف‌ها و ستون‌ها بر اساس برچسب یا شرط.

iloc[ ]:
دسترسی به داده‌ها بر اساس شماره ردیف.

merge():
ادغام DataFrame‌ها با ستون‌های مشترک.

groupby():
دسته‌بندی برای تحلیل آسان‌تر.

pivot_table():
خلاصه‌سازی داده‌ها به فرمت Pivot Table.

to_csv():
ذخیره داده‌ها به صورت فایل CSV.

pd.concat():
ادغام چندین DataFrame در ردیف‌ها یا ستون‌ها.

pd.melt():
تبدیل داده‌ها از فرمت گسترده به فرمت طولانی.

pd.pivot_table():
ایجاد Pivot Table با چندین سطح.

pd.cut():
تقسیم داده‌ها به فواصل مشخص.

pd.qcut():
مرتب‌سازی داده‌ها بر اساس درصد.

pd.merge():
ادغام داده‌ها به سبک پایگاه داده برای لینک‌دهی پیشرفته.

DataFrame.apply():
اعمال یک تابع سفارشی به داده‌ها.

DataFrame.groupby():
تحلیل داده‌های دسته‌بندی شده.

DataFrame.drop_duplicates():
حذف ردیف‌های تکراری.

DataFrame.to_excel():
ذخیره داده‌ها مستقیماً به فایل اکسل.





@kali_outis

www.tgoop.com/kali_outis/9357

1.0K viewsadmin, Dec 17 at 16:51

تابع پرکاربرد Pandas

پرکاربردترین توابع Pandas که به صورت روزانه از آن‌ها می‌ تونید استفاده کنید! در ادامه، 20 تا از بهترین و پرکاربردترین توابع Pandas را معرفی می‌کنم:


read_csv():
بارگذاری سریع داده‌ها از فایل‌های CSV

head():
مشاهده پنج ردیف اول دیتابیس برای شروع.

info():
بررسی ساختار داده‌ها مانند نوع داده و مقادیر خالی.

describe():
تولید آمار توصیفی برای ستون‌های عددی.

loc[ ]:
دسترسی به ردیف‌ها و ستون‌ها بر اساس برچسب یا شرط.

iloc[ ]:
دسترسی به داده‌ها بر اساس شماره ردیف.

merge():
ادغام DataFrame‌ها با ستون‌های مشترک.

groupby():
دسته‌بندی برای تحلیل آسان‌تر.

pivot_table():
خلاصه‌سازی داده‌ها به فرمت Pivot Table.

to_csv():
ذخیره داده‌ها به صورت فایل CSV.

pd.concat():
ادغام چندین DataFrame در ردیف‌ها یا ستون‌ها.

pd.melt():
تبدیل داده‌ها از فرمت گسترده به فرمت طولانی.

pd.pivot_table():
ایجاد Pivot Table با چندین سطح.

pd.cut():
تقسیم داده‌ها به فواصل مشخص.

pd.qcut():
مرتب‌سازی داده‌ها بر اساس درصد.

pd.merge():
ادغام داده‌ها به سبک پایگاه داده برای لینک‌دهی پیشرفته.

DataFrame.apply():
اعمال یک تابع سفارشی به داده‌ها.

DataFrame.groupby():
تحلیل داده‌های دسته‌بندی شده.

DataFrame.drop_duplicates():
حذف ردیف‌های تکراری.

DataFrame.to_excel():
ذخیره داده‌ها مستقیماً به فایل اکسل.





@kali_outis

BY کالی لینوکس