معرفی
پانداس (Pandas) کتابخانه متنباز پایتون برای کار با دادههای ساختیافته و جدولی است. مهمترین ساختارهای آن Series و DataFrame هستند که دادهها را در قالب سطر و ستون نگه میدارند و انجام بسیاری از وظایف تحلیل و آمادهسازی داده را سادهتر میکنند. پانداس برای بسیاری از کارهایی که معمولا در صفحهگستردهها انجام میشوند، یک راهکار برنامهنویسیشده و تکرارپذیر ارائه میدهد.
توانمندیها و قابلیتهای اصلی پانداس
با پانداس میتوانید فایلهای CSV، Excel، خروجیهای پایگاهداده (SQL) و فرمتهای JSON را بهراحتی فراخوانی کنید. این ابزار به شما امکانات زیر را ارائه میدهد.
سطرها و ستونهای موردنظر را فیلتر و انتخاب کنید.
دادههای گمشده (Missing Values) را شناسایی و مدیریت کنید.
نوع دادهها را اصلاح کرده و پروژههای پاکسازی داده را انجام دهید.
جدولهای مختلف را با دستوراتی مانند Join و Merge به یکدیگر متصل کنید.
با استفاده از قابلیت GroupBy و جداول محوری (Pivot Tables)، تجمیع دادهها را اجرا کنید.
کاربرد پانداس در اکوسیستم داده
تحلیلگران داده، دانشمندان داده، مهندسان داده و بسیاری از توسعهدهندگان از پانداس برای پاکسازی، تبدیل و تحلیل داده استفاده میکنند. پانداس ابزار تخصصی مصورسازی یا پایگاه داده نیست، اما امکان رسم نمودارهای ساده را فراهم میکند و دادههای آمادهشده را میتوان به کتابخانههایی مانند Scikit-learn برای ساخت مدلهای یادگیری ماشین منتقل کرد.
ویژگیهای کلیدی
برای آشنایی بهتر با این ابزار، توجه به موارد زیر میتواند مفید باشد.
-
ساختار DataFrame و Series
DataFrame داده دوبعدی را با برچسب سطر و ستون نگه میدارد. Series ساختاری یکبعدی با index است و معمولا یک ستون از DataFrame را نمایش میدهد.
-
خواندن و نوشتن فرمتهای رایج
برای کار با CSV، Excel، JSON، Parquet و اتصال به منابع داده، توابع ورودی و خروجی دارد و تبدیل میان فرمتها را سادهتر میکند.
-
انتخاب و فیلتر دقیق داده
با استفاده از ابزارهایی مانند loc، iloc و فیلترهای شرطی، میتوان سطرها و ستونهای موردنیاز را بر اساس نام، موقعیت یا مقادیر موجود در دادهها انتخاب کرد.
-
تجمیع با GroupBy
دادهها را بر اساس یک یا چند ستون گروهبندی میکند و امکان محاسبه شاخصهایی مانند تعداد، میانگین، مجموع و نرخ را برای هر گروه فراهم میکند.
-
ادغام و تغییر شکل جدولها
توابع merge، join، concat، pivot و melt برای اتصال جدولها و تبدیل داده میان شکل عریض و طولی در دسترس هستند.
-
مدیریت کیفیت داده
مقادیر گمشده، رکوردهای تکراری و انواع داده نامعتبر را میتوان شناسایی، جایگزین، حذف یا اصلاح کرد. همچنین، پانداس ابزارهای لازم برای فیلتر کردن و تبدیل دادهها را فراهم میکن. هرچند شناسایی مقادیر پرت به تعریف دامنه، آستانه یا استفاده از روشهای آماری مناسب نیاز دارد.
کاربردها
در ادامه، مهمترین موارد این بخش به تفکیک معرفی شدهاند.
-
پاکسازی خروجی فروش یا عملیات
فایلهای CSV یا Excel را بخوانید، نام ستونها را استاندارد کنید، رکوردهای تکراری را حذف کنید و نوع دادههای مربوط به تاریخها، مبلغها و شناسهها را اصلاح کنید.
-
ساخت گزارش دورهای
داده تراکنشها را بر اساس ماه، کانال، محصول یا استان گروهبندی کنید و شاخصهای لازم را در جدولی آماده برای داشبورد یا ارائه بسازید.
-
ترکیب داده از چند منبع
جدول سفارشها را با جدول مشتریان یا اطلاعات محصول بر اساس کلید مشترک ادغام کنید و کامل بودن کلیدها و تعداد ردیفهای خروجی را بررسی کنید.
-
آمادهسازی داده برای یادگیری ماشین
ستونهای ورودی را انتخاب کنید، مقادیر گمشده را مدیریت کنید، ویژگیهای ساده از تاریخ یا متن بسازید و داده را برای ابزارهای مدلسازی آماده کنید.
-
تحلیل دادههای محصول و بازاریابی
داده رویدادها، کمپینها یا قیف تبدیل را تجمیع کنید تا روندها، تفاوت گروههای کاربری و نقاط افت عملکرد را بررسی کنید.
ابزارهای جایگزین
ابزارهای زیر نزدیکترین جایگزینها برای پانداس به شمار میروند.
پرسشهای رایج درباره پانداس
در این بخش، به تعدادی از پرسشهای رایج درباره این ابزار پاسخ داده شده است.
آیا برای یادگیری پانداس باید پایتون بلد باشم؟
برای شروع، آشنایی پایه با متغیرها، نوع دادهها، فهرستها و تابعها در پایتون کافی است. حلقه، شرط، دیکشنری و نصب پکیج برای کار مستقلتر و پروژههای پیچیدهتر بسیار مفید هستند.
پانداس چه تفاوتی با NumPy دارد؟
NumPy بیشتر برای آرایههای عددی چندبعدی و محاسبات برداری طراحی شده است. پانداس ساختارهای جدولی دارای نام سطر و ستون، دادههای ناهمگون و ابزارهای آماده برای پاکسازی، گروهبندی و ادغام جدولها فراهم میکند.
آیا پانداس جایگزین SQL است؟
خیر. SQL برای پرسوجو و مدیریت داده در پایگاه داده به کار میرود، اما پانداس داده دریافتشده را در حافظه پایتون تحلیل و تبدیل میکند. در کار واقعی، اغلب داده را با SQL میگیرید و با پانداس آماده یا تحلیل میکنید.
برای تحلیل فایلهای بزرگ، پانداس مناسب است؟
برای دادهای که در حافظه سیستم جا میشود مناسب است. اگر فایل بزرگ است، ابتدا فقط ستونهای لازم را بخوانید، داده را به بخشهای کوچکتر تقسیم کنید یا راهکارهای پردازش توزیعشده را بررسی کنید.
بعد از یادگیری پانداس چه تمرینی انجام دهم؟
یک مجموعه داده واقعی مانند فروش، سفارش یا رویدادهای کاربر انتخاب کنید. آن را بخوانید، کیفیت ستونها را بررسی کنید، داده گمشده و تکراری را مدیریت کنید، دو جدول را ادغام کنید و یک گزارش GroupBy قابل توضیح بسازید.
آموزشهای مرتبط در فرادرس
-
آموزش پانداس pandas برای تحلیل اطلاعات در پایتون + گواهینامه
-
آموزش کتابخانه پانداس Pandas در پایتون برای تجزیه و تحلیل داده ها + انجام پروژه + گواهینامه
-
آموزش برنامه نویسی پایتون Python، مقدماتی + گواهینامه
-
آموزش کتابخانه پانداس (Pandas) در پایتون، رایگان و از صفر تا صد
-
پاکسازی داده چیست؟، Data Cleaning از صفر تا صد
