«Python Библиотеки» — Джейд Картер, страница 19

Аннотация

Книга представляет собой обзор богатой экосистемы библиотек, доступных в языке программирования Python, начиная от основных инструментов для работы с данными и машинного обучения, и заканчивая инструментами для создания веб-приложений, обработки изображений и разработки игр. Основные темы включают в себя введение в библиотеки для анализа данных, такие как NumPy, Pandas, и Matplotlib, а также обсуждение алгоритмов машинного обучения с использованием Scikit-learn. Автор также рассматривает инструменты для работы с веб-технологиями, такие как Flask, Django, и для визуализации данных, такие как Seaborn, Plotly, и Bokeh. Книга охватывает обширный спектр примеров использования каждой библиотеки, предоставляя читателю практический опыт и навыки, необходимые для успешной разработки с использованием Python. Она подходит как для новичков, только начинающих изучать Python, так и для опытных разработчиков, ищущих лучшие инструменты для конкретных задач.

Жанры и темы

программирование самоучители обучение программированию языки программирования язык python компьютерная справочная литература

Читать «Python Библиотеки» — Джейд Картер онлайн

Страница 19 из 27

обработки
данных
(
например
,Python
с
библиотекойPandas).
3.
Основные
операции
сDataFrame
Просмотр
данных
:
```python
#
Вывести
первыеn
строкDataFrame
print(df.head())
#
Вывести
последниеn
строкDataFrame
print(df.tail())
```
Индексация
и
выбор
данных
:
```python
#
Выбор
столбца
по
имени
age=
df['
Возраст
']

#
Выбор
строки
по
индексу
row=df.loc[0]
```
Фильтрация
данных
:
```python
#
Фильтрация
по
условию
ﬁltered_df=
df[df['
Возраст
']>25]
```
Добавление
новых
столбцов
:
```python
#
Добавление
нового
столбца
df['
Зарплата
']=[50000,60000,45000]
```
Операции
с
группами
:
```python
#
Группировка
данных
по
столбцу
'
Город
'
и
вычисление
среднего
значения
возраста
в
каждой
группе
grouped_df=
df.groupby('
Город
')['
Возраст
'].
mean()
```
4.
Визуализация
данных
сPandas
Pandas
также
предоставляет
встроенные
средства
для
визуализации
данных
.
Например
,
гистограмму
можно
построить
следующим
образом
:
Давайте
разберем
пошагово
строки
кода
:
–
Импорт
библиотек
:
```python
importpandasaspd
importmatplotlib.pyplotasplt
importseabornassns

```
Здесь
мы
импортируем
необходимые
библиотеки
. `pd` –
это
стандартное
соглашение
для
обозначения
библиотеки Pandas. `matplotlib.pyplot`
используется
для
создания
графиков
,
а`seaborn` –
библиотека
для
стилизации
графиков
и
добавления
дополнительных
функций
визуализации
.
–
Создание
данных
:
```python
data=
{'
Имя
':
['
Анна
',
'
Борис
',
'
Виктория
'],
'
Возраст
':[25,30,22],
'
Город
':
['
Москва
',
'
Санкт
-