Пост ✈️Pandas — это мощная библиотека Python для обработки и анализа данных. Она предоставляет удобные структуры данных, таки…

✈️Pandas — это мощная библиотека Python для обработки и анализа данных. Она предоставляет удобные структуры данных, такие как DataFrame (таблицы) и Series (столбцы), которые позволяют легко манипулировать данными. Pandas особенно полезен для работы с табличными данными, такими как CSV-файлы, Excel-таблицы или базы данных. ➡️Пример анализа данных с помощью Pandas Допустим, у нас есть файл data.csv со следующим содержимым: name,age,salary Alice,30,50000 Bob,25,60000 Charlie,35,70000 David,28,55000 Eva,22,45000 Вот как мы можем проанализировать эти данные с помощью Pandas: import pandas as pd # Загружаем данные из CSV-файла df = pd.read_csv('data.csv') # Выводим первые 3 строки таблицы print("Первые 3 строки:") print(df.head(3)) # Считаем среднюю зарплату average_salary = df['salary'].mean() print(f"\nСредняя зарплата: {average_salary:.2f}") # Находим самого высокооплачиваемого сотрудника top_earner = df.loc[df['salary'].idxmax()] print("\nСамый высокооплачиваемый сотрудник:") print(top_earner) # Группировка данных по возрастным группам df['age_group'] = pd.cut(df['age'], bins=[18, 25, 35, 50], labels=['18-25', '26-35', '36-50']) grouped = df.groupby('age_group')['salary'].mean() print("\nСредняя зарплата по возрастным группам:") print(grouped) Результат: Первые 3 строки: name age salary 0 Alice 30 50000 1 Bob 25 60000 2 Charlie 35 70000 Средняя зарплата: 56000.00 Самый высокооплачиваемый сотрудник: name Charlie age 35 salary 70000 age_group 26-35 Name: 2, dtype: object Средняя зарплата по возрастным группам: age_group 18-25 45000.0 26-35 61666.7 36-50 NaN Name: salary, dtype: float64 ➡️Почему Pandas полезен? — Удобство работы с данными: Pandas позволяет легко загружать, фильтровать и анализировать данные. — Широкие возможности: От простых статистических расчетов до сложной визуализации. — Интеграция с другими библиотеками: Pandas отлично работает с Matplotlib, Seaborn и Scikit-learn. ➡️Заключение Pandas — это незаменимый инструмент для анализа данных в Python. Начните с простых примеров, таких как чтение и фильтрация данных, и постепенно переходите к более сложным задачам. 🐍 Pythoner