آموزش پانداس Pandas

پانداس (Pandas)، که به‌صورت pandas نوشته می‌شود، یک کتابخانه نرم‌افزاری متن‌باز است که برای زبان برنامه‌نویسی پایتون طراحی شده و بر روی دستکاری و تحلیل داده‌ها تمرکز دارد. این کتابخانه ساختارهای داده‌ای مانند سری‌ها (Series) و دیتافریم‌ها (DataFrames) را ارائه می‌دهد تا به‌طور مؤثر و آسان بتوان داده‌های بزرگ را تمیز کرد، تبدیل کرد و تحلیل نمود. پانداس به‌طور یکپارچه با سایر کتابخانه‌های پایتون مانند NumPy و Matplotlib ادغام می‌شود.

این کتابخانه توابع قدرتمندی برای تبدیل داده‌ها، تجمیع و تجسم داده‌ها ارائه می‌دهد که برای تحلیل‌های معتبر ضروری هستند. پانداس توسط وس مک‌کینی (Wes McKinney) در سال ۲۰۰۸ ایجاد شد و اکنون به یکی از پایه‌های تحلیل داده در پایتون تبدیل شده است که به‌طور گسترده توسط دانشمندان داده، تحلیل‌گران و محققان در سراسر جهان استفاده می‌شود. پانداس حول دو ساختار داده اصلی می‌چرخد: سری‌ها (1 بعدی) برای ستون‌های تک‌بعدی و دیتافریم‌ها (2 بعدی) برای داده‌های جدولی که امکان دستکاری کارآمد داده‌ها را فراهم می‌کنند.

• برای یادگیری پانداس به‌صورت گام‌به‌گام، به صفحه ما مراجعه کنید: راهنمای گام‌به‌گام پانداس

حقایق مهم درباره پانداس

• دیتافریم‌ها (DataFrames): یک ساختار داده دو‌بعدی است که با سطرها و ستون‌ها ساخته می‌شود و بیشتر شبیه به صفحه‌گسترده اکسل است.
• پانداس (pandas): این نام از اصطلاح “داده‌های پانلی” (panel data) گرفته شده است که در اقتصادسنجی برای مجموعه‌داده‌ها استفاده می‌شود.

پانداس برای چه استفاده می‌شود؟

با پانداس، می‌توانید طیف وسیعی از عملیات داده‌ای را انجام دهید، از جمله:

• خواندن و نوشتن داده‌ها از فرمت‌های مختلف فایل مانند CSV، Excel و پایگاه‌داده‌های SQL.
• تمیز کردن و آماده‌سازی داده‌ها با مدیریت مقادیر گم‌شده و فیلتر کردن ورودی‌ها.
• ادغام و اتصال چندین مجموعه داده به‌طور یکپارچه.
• تغییر شکل داده‌ها از طریق عملیات چرخش و انباشت.
• انجام تحلیل‌های آماری و تولید آمار توصیفی.
• تجسم داده‌ها با قابلیت‌های رسم نمودار یکپارچه.

یادگیری پانداس

حالا که می‌دانیم پانداس چیست و چه کاربردی دارد، به بخش آموزش می‌رویم. در بخش زیر، ۸ بخش از مبتدی تا پیشرفته پیدا خواهید کرد که به شما کمک می‌کند بیشتر درباره پانداس یاد بگیرید.

مبانی پانداس

در این بخش، مبانی پانداس را بررسی خواهیم کرد. با معرفی پانداس شروع می‌کنیم، نحوه نصب آن را یاد می‌گیریم و با قابلیت‌های اصلی آن آشنا می‌شویم. علاوه بر این، نحوه استفاده از Jupyter Notebook، یک ابزار محبوب برای کدنویسی تعاملی، را پوشش خواهیم داد. در پایان این بخش، درک خوبی از نحوه راه‌اندازی و شروع کار با پانداس برای تحلیل داده خواهید داشت.

• معرفی پانداس
• نصب پانداس
• شروع کار با پانداس
• نحوه استفاده از Jupyter Notebook

دیتافریم در پانداس

دیتافریم یک ساختار داده دو‌بعدی، با اندازه متغیر و بالقوه ناهمگن است که دارای محورهای برچسب‌دار (سطرها و ستون‌ها) است. می‌توانید آن را به‌عنوان یک جدول یا صفحه‌گسترده در نظر بگیرید.

• ایجاد یک دیتافریم
• ایندکس دیتافریم در پانداس
• دسترسی به دیتافریم در پانداس
• ایندکس‌گذاری و انتخاب داده‌ها با پانداس
• برش دیتافریم در پانداس
• فیلتر کردن دیتافریم با چند شرط
• ادغام، اتصال و الحاق دیتافریم‌ها
• مرتب‌سازی دیتافریم در پانداس
• جدول محوری (Pivot Table) در پانداس

سری‌ها در پانداس

سری یک آرایه برچسب‌دار یک‌بعدی است که می‌تواند هر نوع داده‌ای (اعداد صحیح، رشته‌ها، اعداد اعشاری، اشیاء پایتون و غیره) را نگه دارد. این ساختار شبیه به یک ستون در صفحه‌گسترده یا یک جدول پایگاه داده است.

• ایجاد یک سری
• دسترسی به عناصر یک سری در پانداس
• عملیات دودویی روی سری‌ها
• روش‌های ایندکس‌گذاری سری در پانداس
• ایجاد یک سری در پانداس از آرایه

ورودی و خروجی داده‌ها (I/O)

پانداس توابع مختلفی برای خواندن داده‌ها از فرمت‌های مختلف فایل و نوشتن داده‌ها در آن‌ها ارائه می‌دهد:

• خواندن فایل‌های CSV با پانداس
• نوشتن داده‌ها در فایل‌های CSV
• صادر کردن دیتافریم پانداس به یک فایل CSV
• خواندن فایل‌های JSON با پانداس
• تجزیه مجموعه‌داده‌های JSON
• صادر کردن دیتافریم پانداس به فایل JSON
• کار با فایل‌های Excel در پانداس
• خواندن فایل‌های متنی با پانداس
• تبدیل فایل متنی به CSV با استفاده از پانداس

تمیز کردن داده‌ها در پانداس

تمیز کردن داده‌ها یک گام اساسی در پیش‌پردازش داده‌ها است تا دقت و یکنواختی داده‌ها تضمین شود. در اینجا برخی از مقالات برای یادگیری بیشتر آورده شده است:

• مدیریت داده‌های گم‌شده
• حذف داده‌های تکراری
• تغییر نوع داده در پانداس
• حذف ستون‌های خالی در پانداس
• دستکاری رشته‌ها در پانداس
• روش‌های رشته‌ای در پانداس
• تشخیص انواع داده‌های ترکیبی و رفع آن‌ها

عملیات پانداس

در این بخش، پردازش داده‌ها، نرمال‌سازی، دستکاری و تحلیل داده‌ها را پوشش خواهیم داد، همراه با تکنیک‌هایی برای گروه‌بندی و تجمیع داده‌ها. این مفاهیم به شما کمک می‌کنند تا داده‌ها را به‌طور مؤثر تمیز، تبدیل و تحلیل کنید. در پایان این بخش، با عملیات اساسی پانداس برای کار با داده‌های دنیای واقعی آشنا خواهید شد.

• پردازش داده‌ها با پانداس
• نرمال‌سازی داده‌ها در پانداس
• دستکاری داده‌ها در پانداس
• تحلیل داده‌ها با استفاده از پانداس
• گروه‌بندی و تجمیع داده‌ها با پانداس
• انواع مختلف اتصال‌ها در پانداس

عملیات پیشرفته پانداس

در این بخش، قابلیت‌های پیشرفته پانداس برای تحلیل عمیق‌تر و تجسم داده‌ها را بررسی خواهیم کرد. تکنیک‌هایی برای یافتن همبستگی‌ها، کار با داده‌های سری زمانی و استفاده از توابع رسم نمودار داخلی پانداس برای تجسم مؤثر داده‌ها را پوشش خواهیم داد. در پایان این بخش، درک قوی از عملیات پیشرفته پانداس و نحوه اعمال آن‌ها بر روی مجموعه‌داده‌های دنیای واقعی خواهید داشت.

• یافتن همبستگی بین داده‌ها
• تجسم داده‌ها با پانداس
• توابع رسم نمودار پانداس برای تجسم داده‌ها
• مبانی دستکاری داده‌های سری زمانی با پانداس
• تحلیل و تجسم داده‌های سری زمانی در پایتون

آزمون پانداس

دانش خود را درباره کتابخانه پانداس پایتون با این آزمون آزمایش کنید. این آزمون برای کمک به شما در بررسی دانش خود درباره موضوعات کلیدی مانند مدیریت داده‌ها، کار با دیتافریم‌ها و ایجاد تجسم‌ها طراحی شده است.

• آزمون پانداس پایتون

پروژه‌ها

در این بخش، روی پروژه‌های تحلیل داده دنیای واقعی با استفاده از پانداس و سایر ابزارهای علم داده کار خواهیم کرد. این پروژه‌ها حوزه‌های مختلفی از جمله تحویل غذا، ورزش، سفر، سلامت، املاک و مستغلات و خرده‌فروشی را پوشش می‌دهند. با تحلیل مجموعه‌داده‌هایی مانند Zomato، IPL، Airbnb، COVID-19 و Titanic، تکنیک‌های پردازش داده، تجسم و مدل‌سازی پیش‌بینانه را اعمال خواهیم کرد. در پایان این بخش، تجربه عملی در تحلیل داده و کاربردهای یادگیری ماشین به دست خواهید آورد.

• تحلیل داده‌های Zomato با استفاده از پایتون
• تحلیل داده‌های IPL
• تحلیل داده‌های Airbnb
• تحلیل و تجسم داده‌های جهانی COVID-19
• تحلیل و پیش‌بینی قیمت مسکن
• تحلیل سبد بازار
• تحلیل مجموعه‌داده Titanic و پیش‌بینی بقا
• تحلیل مجموعه‌داده گل Iris و پیش‌بینی‌ها
• تحلیل ریزش مشتریان
• تحلیل و پیش‌بینی قیمت خودرو
• برای کشف پروژه‌های بیشتر تحلیل داده، به مقاله زیر مراجعه کنید: ۳۰+ پروژه برتر تحلیل داده در سال ۲۰۲۵ [با کد منبع]

سوالات متداول آموزش پانداس

پانداس چیست؟

• پانداس یک کتابخانه نرم‌افزاری رایگان برای زبان برنامه‌نویسی پایتون است که ساختارهای داده و عملیات برای دستکاری جداول عددی و داده‌های سری زمانی ارائه می‌دهد.

پانداس در پایتون برای چه استفاده می‌شود؟

• پانداس برای دستکاری، تحلیل و تمیز کردن داده‌ها استفاده می‌شود. این کتابخانه کار با داده‌های ساختاریافته مانند صفحه‌گسترده‌ها و جداول SQL را ساده می‌کند. با پانداس، می‌توانید داده‌ها را وارد کنید، تمیز کنید، تبدیل کنید و عملیات‌هایی مانند گروه‌بندی، ادغام و تجمیع را انجام دهید.

آیا یادگیری پانداس آسان است؟

• بله، یادگیری پانداس نسبتاً آسان است، به‌ویژه برای کسانی که دانش پایه‌ای از پایتون دارند.

مزایای پانداس چیست؟

• پانداس مزایای کلیدی مختلفی برای دانشمندان داده و توسعه‌دهندگان دارد، از جمله:
  • مدیریت داده‌های گم‌شده، تغییر اندازه دیتافریم‌ها و تراز خودکار داده‌ها.
  • انجام گروه‌بندی، تجمیع و تبدیل داده‌ها.
  • برش، زیرمجموعه‌سازی، ادغام و اتصال آسان مجموعه‌داده‌ها.
  • چرخش، برچسب‌گذاری سلسله‌مراتبی و تغییر ساختار داده‌ها.

پانداس بیشتر برای چه مواردی استفاده می‌شود؟

• پانداس بیشتر برای کارهایی مانند تمیز کردن داده‌ها، تبدیل و تحلیل داده‌ها استفاده می‌شود. می‌توانید با داده‌های سری زمانی کار کنید، ادغام انجام دهید و مقادیر گم‌شده را مدیریت کنید.

ساختارهای داده اصلی در پانداس چیست؟

• پانداس دو ساختار داده اصلی دارد: سری‌ها و دیتافریم‌ها. یک سری نشان‌دهنده یک ستون از داده‌ها است، در حالی که دیتافریم یک جدول چند‌بعدی است که از چندین سری تشکیل شده است. این ساختارها بسیار انعطاف‌پذیر هستند و می‌توانند انواع داده‌های مختلف مانند اعداد صحیح، رشته‌ها و اعداد اعشاری را ذخیره کنند.

آیا پانداس برای داده‌های بزرگ مناسب است؟

• پانداس برای کار با مجموعه‌داده‌های بزرگ عالی است، اما در کار با داده‌های بسیار بزرگ محدودیت‌هایی دارد. این کتابخانه داده‌ها را در حافظه پردازش می‌کند، به این معنی که عملکرد آن به RAM سیستم بستگی دارد. برای مجموعه‌داده‌های بسیار بزرگ که از ظرفیت حافظه فراتر می‌روند، جایگزین‌هایی مانند Dask، Vaex یا PySpark مناسب‌تر هستند، زیرا امکان پردازش توزیع‌شده یا خارج از حافظه را فراهم می‌کنند. با این حال، پانداس همچنان می‌تواند برای داده‌های بزرگ با استفاده از تکنیک‌هایی مانند تقسیم داده‌ها به بخش‌های کوچک‌تر، فیلتر کردن یا بهینه‌سازی انواع داده‌ها برای مدیریت مؤثر حافظه استفاده شود.

چه زمانی از پانداس استفاده کنیم؟

• از پانداس زمانی استفاده کنید که با مجموعه‌داده‌های ساختاریافته مانند صفحه‌گسترده‌ها، پایگاه‌داده‌ها یا فایل‌های CSV کار می‌کنید. این کتابخانه برای تمیز کردن داده‌ها، تبدیل، تحلیل و تجسم داده‌ها ایده‌آل است.

معایب پانداس چیست؟

• برخی از معایب پانداس عبارتند از:
  • مشکل مصرف حافظه با مجموعه‌داده‌های بزرگ.
  • محدودیت‌های عملکردی برای برخی عملیات.
  • منحنی یادگیری شیب‌دار به دلیل مجموعه غنی از قابلیت‌ها.
  • وابستگی به کتابخانه‌های خارجی مانند NumPy.