Seriál Knihovna Pandas

Před vlastní analýzou či statistickým zpracováním dat s využitím knihovny Polars je v mnoha případech nutné data získat z několika samostatných zdrojů, které je zapotřebí načíst a nějakým způsobem spojit.

Mezi zajímavé vlastnosti knihovny Polars patří schopnost pracovat s daty, jejichž objem je větší než volná kapacita operační paměti. Protože se jedná o velmi důležitou vlastnost, budeme se touto technikou zabývat dnes.

Ve druhé části seriálu o knihovně Polars, jejímž cílem je být výkonnější alternativou ke známé knihovně Pandas, se budeme převážně zabývat operacemi, které je možné provádět s datovými rámci (data frames).

Knihovna Pandas je v ekosystému Pythonu poměrně často používána například v oblasti zpracování dat a datových analýz. Mezi její nectnosti patří nižší výpočetní výkon i to, že zpracovávané datové rámce musí být uloženy v operační paměti.

Už jsme si ukázali základy práce s daty uloženými v binárních souborech v knihovnách NumPy a Pandas. Jednou z největších předností binárních souborů jsou rychlé přesuny (seek) a namapování obsahu souboru do paměti (mmap).

Poměrně často se můžeme setkat s požadavkem analýzy dat uložených v binárních souborech. S těmito soubory dokáže do určité míry pracovat jak knihovna NumPy, tak i knihovna Pandas.

Sedmá část seriálu o knihovně Pandas je věnována dokončení popisu operací se záznamy seskupenými metodou groupby. Následně se budeme zabývat takzvanými multiindexy, díky nimž bylo možné z Pandas odstranit datovou strukturu Panel.

V úvodní části si ukážeme některé způsoby použití metody groupby, jež je velmi často používána při analýze dat. V části druhé se seznámíme s přípravou datových rámců pro tisk či zobrazení na terminálu.

Před vlastní analýzou či statistickým zpracováním dat s využitím knihovny Pandas je mnohdy nutné data získat z několika samostatných tabulek, jež je zapotřebí načíst a spojit.

Ve čtvrtém článku o knihovně Pandas dokončíme popis práce s datovými řadami neboli s typem Series. Zabývat se budeme především transformací dat, jejich filtrací a také se seskupováním dat podle zadaných kritérií.

Ve třetím článku o knihovně Pandas se budeme primárně zabývat datovými řadami, tj. typem, který je reprezentován třídou Series. Jedná se o jeden ze základních typů (společně s datovými rámci), na nichž je celá knihovna Pandas postavena.

Ve druhém článku o knihovně Pandas se budeme zabývat třemi tématy: zobrazením obsahu i struktury datových rámců, vykreslováním grafů na základě dat získaných z rámců a taktéž validací údajů uložených v datových rámcích.

V dnešním článku se stručně seznámíme s takzvanými datovými rámci (data frame) používanými v knihovně Pandas. Budeme se zabývat načtením dat z externích souborů i přímo z internetu a jejich převodem na datový rámec.