→ Pandas → Start Learning / Download MP3 Flashcards

Question		Answer
pierwsze n wierszy start learning		df. head(n)
ostatnie n wierszy start learning		df. tail(n)
losowe n wierszy start learning		df. sample(n)
wczytanie CSV start learning		pd. read_csv()
liczba wierszy i kolumn start learning		df. shape
informacje o danych start learning		df. info()
statystyki start learning		df. describe()
typy kolumn start learning		df. dtypes
nazwy kolumn start learning		df. columns
liczba wartości start learning		df["col"]. count()
suma start learning		df["col"]. sum()
średnia start learning		df["col"]. mean()
mediana start learning		df["col"]. median()
maksimum start learning		df["col"]. max()
minimum start learning		df["col"]. min()
kwartyl start learning		df["col"]. quantile(q)
unikalne wartości start learning		df["col"]. unique()
ilosc unikalnych start learning		len(df["col"]. unique())
zliczanie wartości start learning		df["col"]. value_counts()
zliczanie z NaN start learning		df["col"]. value_counts(dropna=False)
wybór kolumny start learning		df["col"]
wybór wielu kolumn start learning		df[["col1","col2"]]
wybór kolumny skrótem start learning		df. col
dodanie kolumny start learning		df["new"] =...
wybór wiersza po indeksie start learning		df. loc[]
wybór wiersza po pozycji start learning		df. iloc[]
wybór konkretnej komórki start learning		df. loc[row, col]
histogram start learning		df["col"]. hist()
usunięcie NaN start learning		df. dropna()
usunięcie NaN w kolumnie start learning		df. dropna(subset=["col"])
uzupełnienie NaN start learning		df. fillna(val)
uzupełnienie medianą start learning		df. fillna(df. median(numeric_only=True))
uzupełnienie konkretnej kolumny start learning		df. fillna({"col": val})
dodanie kategorii start learning		df["col"]. cat. add_categories()
zmiana na unordered start learning		df["col"]. cat. as_unordered()
sortowanie rosnąco start learning		df. sort_values("col")
sortowanie malejąco start learning		df. sort_values("col", ascending=False)
sortowanie po wielu kolumnach start learning		df. sort_values(["col1","col2"])
filtrowanie równe start learning		df[df["col"] == val]
większe niż start learning		df[df["col"] > val]
negacja start learning		df[~(warunek)]
brak NaN start learning		df[~df["col"]. isna()]
AND start learning		&
OR start learning		\|
zaczyna się od start learning		df["col"]. str. startswith()
kończy się na start learning		df["col"]. str. endswith()
zawiera tekst start learning		df["col"]. str. contains()
title case start learning		df["col"]. str. istitle()
pierwszy pasujący wiersz start learning		df[warunek]. iloc[0]
df[warunek]. iloc[1] start learning		df[warunek]. iloc[1]
wycinanie tekstu start learning		df["col"]. str[a: b]
zapis CSV start learning		df. to_csv()
mapowanie wartości start learning		df["col"]. map(dict)
przedziały start learning		pd. cut()
kwantyle start learning		pd. qcut()
wycinanie tekstu od indeksu start learning		df["col"]. str[i:]
rzutowanie typu start learning		astype()
wielkie litery start learning		str. upper()
małe litery start learning		str. lower()
unikalne po operacji start learning		str. upper(). unique()
zmiana nazw kolumn start learning		df. columns. str. upper()
usuwanie spacji start learning		str. strip()
usuwanie z lewej start learning		str. lstrip()
usuwanie z prawej start learning		str. rstrip()
długość tekstu start learning		str. len()
dzielenie tekstu start learning		str. split()
wybór elementu po split start learning		str. split(). str[i]
split do kolumn start learning		str. split(expand=True)
łączenie tekstu start learning		str. cat()
łączenie z separatorem start learning		str. cat(sep=",")
łączenie kolumn start learning		str. cat(df["col"])
zamiana wartości start learning		replace()
tabela krzyżowa (?) start learning		pd. crosstab()
tabela wielowymiarowa(?) start learning		pd. crosstab(col1, [col2, col3])
grupowanie(?) start learning		df. groupby()
statystyki w grupach(?) start learning		groupby(). describe()
transpozycja (?) start learning		.T
średnia w grupach (?) start learning		groupby(). mean()
agregacja (?) start learning		groupby(). agg()
agregacja wiele funkcji(?) start learning		groupby(). agg({})
eksport do dict start learning		to_dict()
eksport do JSON start learning		to_json()
eksport do HTML start learning		to_html()
eksport do LaTeX start learning		to_latex()
eksport do records start learning		to_records()
ustaw indeks start learning		df. set_index()
multiindex start learning		df. set_index([col1, col2])
join po indeksie start learning		df. join()
merge po kolumnie start learning		df. merge()
concat wierszy start learning		pd. concat()
korelacja start learning		df. corr()
korelacja kendall start learning		df. corr(method="kendall")
korelacja spearman start learning		df. corr(method="spearman")
usuwanie kolumny start learning		df. drop("col", axis=1)
usuwanie wiersza start learning		df. drop(i, axis=0)
usuwanie inplace start learning		df. drop(..., inplace=True)
usuwanie duplikatów start learning		df. drop_duplicates()
usuwanie duplikatów subset start learning		df. drop_duplicates(subset=[...])
funkcja na kolumnie start learning		df["col"]. apply()
funkcja na wierszu start learning		df. apply(func, axis=1)
suma kolumn start learning		df. sum()
suma wierszy start learning		df. sum(axis=1)
wybór kolumny przez loc start learning		df. loc[:, "col"]

pandas

You must sign in to write a comment

More