Python Pandas

Что нового В канале 🌐 Перевод курса fastapi tiangolo com Появилась ссылка на перевод второго урока в html Разбора пока нет, но будет.

Двигаюсь дальше в MLOps - инженеры в канале https://max.ru/join/RAbB9m0zKcTtzkw-9o2o1EY0CbjJUvBQMx967bCfR-c Присоединяйтесь все, кому интересно.

❓Что дальше? Дальше буду изучать FastAPI, но это уже в отдельном канале. Я получаю знания для квалификации MLOps-инженер. Мне нужно изучить стек технологий: 1 Python (Pandas, NumPy, FastAPI) 2 Kafka 3 Airflow 4 Linux 5 MLflow 6 Docker 7 K8S 8 OBBX 9 TensorRT 10 ClearML 11 Triton ❓Будут ли в этом канале новые посты? Да, так как Pandas относится к фундаментальным знаниям, необходимым MLOps-инженеру, логично ожидать что в процессе изучения будут возникать задачи, котрые будут решаться с помощью pandas. Посты в этом канале будут появляться реже, но скоро точно появится ссылка на к…

Странный пример с Toss Impact В курсе есть ещё два урока: Pandas-for-beginner/notebooks/IPL_Data_Analysis.ipynb - но в нём я не нашёл никакого нового кода и Pandas-for-beginner/notebooks/ipl_qna.ipynb - но материал этого урока довольно скажем так, странный. Например, разобрав ответ на вопрос 2. Toss Impact: Does winning the toss significantly increase the chances of winning the match? 2 Влияние жеребьевки: Значительно ли выигрыш в жеребьевке увеличивает шансы на победу в матче? я пришёл к выводу, что предлагаемое решение имеет мало общего с поставленной задачей: В данных файла matc…

pivot_table(observed=False) и категоризация данных Аргумент observed по-умолчанию равен True и управляет учётом категорий. В разборе pivot_table() мы могли видеть, что всюду используется аргумент observed=False. Самое интересное, что в том конкретном примере этот аргумент ни на что не влияет. Зачем же автор его использует и как сделать, чтобы он стал на что-то влиять? Это страховка на будущее: 1 Если в будущем данные станут категориальными (например, при оптимизации памяти), код продолжит работать корректно. 2 Это делает код более явным: "Я хочу видеть все возможные категории, даже е…

Понимание pivot_table() Под pivot_table() понимается сводная таблица (а не "опорная", как могут некоторые подумать). Что это такое и для чего? Седьмой урок notebooks/07_vectoized_string.ipynb уже по традиции поставил больше вопросов, чем дал ответов своими первыми примерами. Постепенно вник, о чём и собираюсь написать в этом и нескольких следующих постах. 🤝 Для начала познакомимся с данными, с которыми будем работать изучаемым методом ❓ Зачем в начале седьмого урока пример с unstack()? 🤷‍♀️🤷‍♂️ Кто в среднем платит больше, мужчины или женщины? ❓ Как влияет на средний чек, курят ли му…

pivot_table() А если нужен не средний чек? По умолчанию pivot_table() работает со средним арифметическим. Но вы можете легко передать любубю агрегирующую функцию через аргумент aggfunc. Например, интересует не средний, а максимальный: //======python============== result = df.pivot_table(index=["sex", "smoker"], columns="day", values="total_bill", aggfunc="max", observed=False) print(result) //====================== Назад, к pivot_table() --- 🐼 Канал Python Pandas

pivot_table() Как влияет на средний чек, курят ли мужчины или женщины и день недели? Но аналитик не успокоился на достигнутом и решил узнать, как меняется средний чек в зависимости от того, курят ли посещающий его кафе мужчины и женщины и какой при этом на календаре день недели. //======python========== result = df.pivot_table(index=["sex", "smoker"], columns="day", values="total_bill", observed=False) print(result) //====================== А если пойти ещё дальше и учесть, обед это или ужин? - Легко (см. данные, чтобы понять, откуда берутся новые имена в index) //======python========== r…

pivot_table() Как влияет на средний чек, курят ли мужчины или женщины? Прежде всего гордо заявлю, что не курю уже лет пятнадцать. Научиться курить может ребёнок, бросить курить может взрослый человек - подумайте об этом, в том числе если вам кажется что электронные сигареты это круто и по-взрослому. Итак, наш пытливый аналитик решил уяснить из данных, как меняется средний чек в зависимости от того, курят ли мужчины и женщины, посещающие его кафе. Для этого ему надо просто добавить в предыдущий свой запрос аргумент columns="smoker": //======python========== result = df.pivot_table(index=…

pivot_table() Кто в среднем платит больше, мужчины или женщины? Начнем с наипростейшего примера. Допустим, нас интересует вопрос из заголовка. Почему? Например, можно будет как-то изменить обстановку или интерьер в кафе в соответствии с тем, кто платит больше. Получить ответ на вопрос из данных] очень просто: //======python============== result = df.pivot_table(index=["sex"], values="total_bill", observed=False) print(result) //====================== Назад, к pivot_table() --- 🐼 Канал Python Pandas