pandas on avoimen lähdekoodin Python-kirjasto taulukkomuotoisen datan analysointiin ja muokkaamiseen, ja Wes McKinney on kehittänyt sitä vuodesta 2008 alkaen. Sen keskeinen objekti, DataFrame, muistuttaa taulukkoa, jossa on nimetyt sarakkeet. Sillä voi ladata dataa CSV-tiedostoista, Excelistä tai tietokannoista sekä puhdistaa, suodattaa, ryhmitellä ja yhdistää sitä. pandas rakentuu NumPyn varaan ja on vakiotyökalu data-analyysissa, raportoinnissa ja opetusdatan valmistelussa.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoNumPy on Pythonin keskeinen avoimen lähdekoodin kirjasto numeeriseen laskentaan. Se tarjoaa monimuotoisia taulukoita sekä nopeita funktioita lineaarialgebraan, tilastotieteeseen ja satunnaislukuihin, ja sen ydin toimii käännetyllä koodilla. Monet data-analyysi- ja koneoppimistyökalut, kuten pandas, scikit-learn ja lukuisat visualisointikirjastot, rakentuvat NumPyn varaan. Datan parissa Pythonilla työskentelevä käyttää sitä siksi lähes aina, suoraan tai välillisesti.
Eksploratiivinen data-analyysi (EDA) on ensimmäinen, avoin katsaus aineistoon: lasketaan yhteenvetolukuja, tarkastellaan jakaumia ja kaavioita ja etsitään kuvioita, poikkeavia arvoja ja puuttuvia arvoja – ilman vielä kiinteää hypoteesia. Se auttaa arvioimaan datan laatua ja löytämään mielekkäitä kysymyksiä jatkoanalyysia tai mallinnusta varten. Esimerkki: ennen myyntiennustetta EDA paljastaa, että yksi kuukausi kirjattiin puutteellisesti järjestelmämigraation vuoksi.
Datan puhdistus tarkoittaa virheellisten, päällekkäisten tai epäjohdonmukaisten merkintöjen havaitsemista ja korjaamista aineistoissa. Tyypillisiä vaiheita ovat kirjoitusasujen ja päivämäärämuotojen yhtenäistäminen, ylimääräisten välilyöntien poistaminen sekä kaksoiskappaleiden, kuten ”Virtanen Oy” ja ”Virtanen Osakeyhtiö”, yhdistäminen. Puhdas data on edellytys luotettaville analyyseille, postituksille ja tekoälysovelluksille.
Jupyter Notebook on Project Jupyterin avoimen lähdekoodin, selaimessa toimiva sovellus, joka yhdistää suoritettavan koodin, tulokset, kaaviot ja selittävän tekstin yhdeksi dokumentiksi. Muistikirjoja käytetään laajasti data-analyysissä, koneoppimisessa, tutkimuksessa ja opetuksessa, koska jokainen vaihe voidaan dokumentoida ja jakaa jäljitettävästi. Python on yleisin kieli. Esimerkki: analyytikko lataa myyntidatan, puhdistaa sen ja näyttää tulokset kaaviona suoraan sen alla.
