Обзор пакета

pandas — это пакет Python, предоставляющий быстрые, гибкие и выразительные структуры данных, предназначенные для того, чтобы сделать работу с «реляционными» или «размеченными» данными простой и интуитивно понятной. Он призван стать фундаментальным строительным блоком высокого уровня для практического анализа данных о реальном мире в Python. Кроме того, перед ним стоит более широкая цель — стать самым мощным и гибким инструментом анализа и манипулирования данными с открытым исходным кодом, доступным на любом языке. Он уже на пути к этой цели.

pandas хорошо подходит для разных типов данных:

  • Табличные данные с разнотипными столбцами, как в таблице SQL или электронной таблице Excel.

  • Упорядоченные и неупорядоченные (не обязательно с фиксированной частотой) данные временных рядов.

  • Произвольные матричные данные (однородно типизированные или разнородные) с метками строк и столбцов.

  • Любая другая форма наборов данных наблюдений и статистических данных. Данные вообще не обязательно размечать для помещения в структуру данных pandas.

Две основные структуры данных pandas, Series (одномерная) и DataFrame (двумерная), обрабатывают подавляющее большинство типичных случаев использования в финансах, статистике, социальных науках и многих других областях. Для пользователей R: DataFrame в pandas предоставляет все, что и data.frame в R, и даже больше. pandas построен на основе NumPy и предназначен для интеграции в среде научных вычислений со многими другими сторонними библиотеками.

Вот кое-что из того, что pandas отлично удается:

  • Простая обработка отсутствующих данных (представленных как NaN) с плавающей запятой, а также данных без плавающей запятой.

  • Изменяемость размера: столбцы можно вставлять и удалять из DataFrame и объектов с большей мерностью.

  • Автоматическое и явное выравнивание данных: объекты могут быть явно выровнены по набору меток, или можно просто игнорировать метки и позволить Series, DataFrame и т. д. автоматически выравнивать данные в вычислениях.

  • Мощная и гибкая функция группировки для выполнения операций разделения-применения-объединения наборов данных как для агрегирования, так и для преобразования данных.

  • Легкое преобразование неровных, по-разному индексированных данных и других структур данных Python и NumPy в объекты DataFrame.

  • Основанные на метках срезы, хитрое индексирование (fancy indexing) и выбор подмножеств из больших наборов данных.

  • Интуитивно понятное слияние и объединение наборов данных.

  • Гибкое изменение и сведение наборов данных.

  • Иерархическая маркировка осей (можно присвоить несколько ярлыков одной отметке).

  • Надежные инструменты ввода-вывода для загрузки данных из плоских файлов (CSV и с разделителями), файлов Excel, баз данных, а также сохранение и загрузка данных из сверхбыстрого формата HDF5.

  • Временные ряды, относящиеся к конкретным функциям: генерация диапазона дат и преобразование частоты, статистика скользящего окна, сдвиг даты и отставание.

Многие из этих принципов предназначены для устранения недостатков, часто возникающих при использовании других языков и сред научных исследований. Для специалистов по данным работа с данными обычно делится на несколько этапов: обработка и очистка данных, их анализ и моделирование, а затем организация результатов анализа в форме, подходящей для построения графика или табличного отображения. pandas — идеальный инструмент для всех этих задач.

Другие примечания:

  • pandas быстр. Многие низкоуровневые алгоритмические биты были значительно изменены в коде Cython. Однако, как это часто бывает, производительность становится жертвой обобщения. Поэтому, если сосредоточиться на одной функции приложения, можно создать более быстрый специализированный инструмент.

  • pandas зависит от statsmodels, что делает его важной частью экосистемы статистических вычислений в Python.

  • pandas широко используется в финансовых приложениях.

Структуры данных

Мерность

Имя

Описание

1

Series

Одномерный однородный массив с меткой.

2

DataFrame

Общая двумерная маркированная табличная структура с изменяемым размером и потенциально гетерогенно типизированными столбцами.

Зачем нужно более одной структуры данных?

Лучше всего представлять структуры данных pandas как гибкие контейнеры для данных меньшей мерности. Например, DataFrame — это контейнер для Series, а Series — это контейнер для скаляров. Хотелось бы иметь возможность вставлять и удалять объекты из этих контейнеров как при работе со словарем.

Кроме того, хотелось бы, чтобы общие функции API по умолчанию учитывали бы типичную ориентацию временных рядов и наборов перекрестных данных. При использовании N-мерного массива (ndarrays) для хранения 2- и 3-мерных данных на пользователя ложится задача при написании функций учитывать ориентацию набора данных; оси считаются более или менее эквивалентными (за исключением случаев, когда непрерывность C или Fortran значима для производительности). В pandas оси предназначены для придания данным большего семантического значения, то есть для конкретного набора данных, скорее всего, будет существовать «правильный» способ ориентации данных. Таким образом, цель состоит в том, чтобы уменьшить количество умственных усилий, необходимых, чтобы кодировать преобразования данных в нижележащих функциях.

Например, с табличными данными (DataFrame) семантически более полезно думать об индексе (строках) и столбцах, а не о оси 0 и оси 1. Итерация по столбцам DataFrame таким образом приводит к более читаемому коду:

for col in df.columns:
    series = df[col]
    # do something with series

Изменяемость и копирование данных

Все структуры данных pandas изменяются по значению (значения, которые они содержат, могут быть изменены), но не всегда изменяются по размеру. Длина Series не может быть изменена, а вот столбцы в DataFrame вставить можно. Однако подавляющее большинство методов создают новые объекты и оставляют входные данные нетронутыми. В общем, нам нравится отдавать предпочтение неизменности там, где это разумно.

Получение поддержки

С проблемами и идеями относительно pandas в первую очередь следует обратиться в Github Issue Tracker. Если у вас есть общий вопрос, эксперты сообщества pandas могут ответить на Stack Overflow.

Сообщество

Сегодня pandas активно поддерживается сообществом единомышленников по всему миру. Они вкладывают свое драгоценное время и энергию, чтобы реализовать pandas с открытым исходным кодом. Спасибо всем нашим участникам.

Если вы хотите внести свой вклад, обратитесь к contributing guide.

pandas — это проект, спонсируемый NumFOCUS. Это помогает обеспечить успех разработки pandas как проекта с открытым исходным кодом мирового класса и позволяет вносить пожертвования для проекта.

Управление проектом

Процесс управления, который проект pandas неофициально использовал с момента его создания в 2008 году, формализован в Project Governance documents. Эта документация поясняет, как принимаются решения и как взаимодействуют различные элементы нашего сообщества, включая отношения между совместной разработкой открытого исходного кода и работой, которая может финансироваться коммерческими или некоммерческими организациями.

Уэс МакКинни — наш Великодушный пожизненный диктатор (BDFL).

Команда разработчиков

Список членов основной группы и более подробную информацию можно найти на Github на странице people.

Институциональные партнеры

Информацию о текущих институциональных партнерах можно найти на странице веб-сайта pandas.

Лицензия

BSD 3-Clause License

Copyright (c) 2008-2011, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
All rights reserved.

Copyright (c) 2011-2022, Open source contributors.

Redistribution and use in source and binary forms, with or without
modification, are permitted provided that the following conditions are met:

* Redistributions of source code must retain the above copyright notice, this
  list of conditions and the following disclaimer.

* Redistributions in binary form must reproduce the above copyright notice,
  this list of conditions and the following disclaimer in the documentation
  and/or other materials provided with the distribution.

* Neither the name of the copyright holder nor the names of its
  contributors may be used to endorse or promote products derived from
  this software without specific prior written permission.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS"
AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT HOLDER OR CONTRIBUTORS BE LIABLE
FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR
SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER
CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY,
OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

назад

Установка

вперёд

Руководство по началу работы