Paano Magpanda? Pandas Tutorial With Examples na Madaling Sundan

Kung dati ay nalilito ka sa pagproseso ng data gamit ang Python, oras na para kilalanin mo si Pandas! Sa tutorial na ito, bibigyan ka namin ng masayang lakbay sa mundo ng pandas tutorial with examples – mula sa basics hanggang sa exciting na features na parang magic kapag ginagamit mo sa data analysis.

Ano ang Pandas at Bakit Mahalaga Ito?

Ang Pandas ay isang open-source Python library na ginagamit para sa data manipulation at analysis. Kung may hawak kang spreadsheet, CSV, JSON, o database, si Pandas ang bestie mong tutulong para linisin, baguhin, at pag-aralan ito nang mabilis.

Pag-install ng Pandas

Syempre, bago tayo makapaglaro, kailangan muna natin i-install si Pandas. Sa terminal o command prompt, gamitin lang ito:

pip install pandas

Pag-import ng Pandas

Pagkatapos ma-install, kailangan mo itong i-import sa iyong Python script:

import pandas as pd

Paglikha ng DataFrame

Ang DataFrame ang pangunahing data structure ng Pandas – parang table sa Excel, pero mas powerful!

data = {
    'Pangalan': ['Juan', 'Maria', 'Pedro'],
    'Edad': [23, 31, 29],
    'Lungsod': ['Manila', 'Cebu', 'Davao']
}

df = pd.DataFrame(data)
print(df)

Pandas Tutorial With Examples Przykłady: Pagbasa ng CSV

Kung may data ka mula sa isang CSV file, madali itong mababasa gamit ang Pandas:

df = pd.read_csv('mga_taong_data.csv')
print(df.head())  # Ipapakita ang unang 5 rows

Pagkuha ng Column at Row

Parang sa Excel, puwede mong kunin ang column na gusto mo:

print(df['Pangalan'])  # Isang column
print(df[['Pangalan', 'Edad']])  # Dalawang column
print(df.iloc[0])  # Unang row

Pag-filter ng Data

Kailangan mo bang kunin lang ang mga data na edad ay mas bata sa 30? Kayang-kaya ni Pandas!

bata_pa = df[df['Edad'] < 30]
print(bata_pa)

Pandas Tutorial With Examples Przykłady: Sorting at Pag-ayos

Puwede mo ring i-sort ang data batay sa edad:

df_sorted = df.sort_values(by='Edad')
print(df_sorted)

Pagdaragdag ng Bagong Column

Gusto mong magdagdag ng bagong column na "Grupo"? Simple lang:

df['Grupo'] = ['A', 'B', 'A']
print(df)

Pag-update ng Data

Pwede ring i-update ang data ng specific row o column:

df.at[0, 'Edad'] = 24
print(df)

Pag-alis ng Row o Column

Ayaw mo na sa column na "Grupo"? Pwede mo itong alisin:

df = df.drop(columns=['Grupo'])
print(df)

Pandas Tutorial With Examples Przykłady: Pag-group ng Data

Kung gusto mong malaman ang average na edad kada lungsod, gamitin ang groupby:

average_age = df.groupby('Lungsod')['Edad'].mean()
print(average_age)

Pag-save ng Data sa CSV

Kapag tapos ka na, puwede mong i-save ang resultang data sa bagong CSV:

df.to_csv('output.csv', index=False)

Pagsasama ng DataFrames

May dalawa kang DataFrames? Puwede mo silang pagsamahin:

df1 = pd.DataFrame({'ID': [1, 2], 'Pangalan': ['Ana', 'Ben']})
df2 = pd.DataFrame({'ID': [1, 2], 'Edad': [22, 30]})

merged = pd.merge(df1, df2, on='ID')
print(merged)

Bonus Pandas Tutorial With Examples: Pivot Tables

Gusto mo ng summary table gaya ng sa Excel? Pivot table ang sagot!

pivot = df.pivot_table(values='Edad', index='Lungsod', aggfunc='mean')
print(pivot)

Paggamit ng Apply Function

Kung gusto mong gumawa ng custom function, gamitin mo ang apply():

def age_category(age):
    if age < 30:
        return 'Young'
    else:
        return 'Adult'

df['Category'] = df['Edad'].apply(age_category)
print(df)

Data Cleaning Tips

Importante rin ang paglilinis ng data. Halimbawa, paano kung may nawawalang values?

df = df.fillna('Walang Info')  # Punan ng default
df = df.dropna()  # Tanggalin ang rows na may missing

Paggamit ng Describe at Info

Gusto mong overview ng data mo? Narito ang mga utos:

print(df.describe())  # Statistikal na summary
print(df.info())  # Impormasyon tungkol sa types at nulls

Konklusyon: Maging Pandas Pro sa Praktika!

Nasa iyo na ngayon ang kaalaman para gamitin ang Pandas sa iyong mga proyekto. Sa pamamagitan ng mga pandas tutorial with examples sa artikulong ito, sana’y naging mas madali at mas masaya para sa’yo ang mundo ng data analysis.

Huwag matakot mag-eksperimento. Tulad ng panda sa wild, ikaw rin ay puwedeng maging eksperto sa iyong natural na habitat: Python coding! Good luck, at happy coding!