Pandas

pandas  es una biblioteca de análisis y procesamiento de datos de Python . La manipulación de datos de Pandas se basa en la biblioteca NumPy , que es una herramienta de nivel inferior. Proporciona operaciones y estructuras de datos especiales para manipular tablas numéricas y series de tiempo . El nombre de la biblioteca proviene del término econométrico "panel de datos" utilizado para describir conjuntos de información estructurados multidimensionales. pandas se distribuye bajo la nueva licencia BSD .

Alcance

El área principal de aplicación es proporcionar trabajo dentro del entorno de Python no solo para la recopilación y limpieza de datos, sino también para tareas de análisis y modelado de datos, sin cambiar a lenguajes más específicos para el procesamiento estadístico (como R y octava ).

También se está trabajando para implementar tipos de datos categóricos "nativos".

El paquete está destinado principalmente a la limpieza y evaluación primaria de datos sobre indicadores generales, como la media, los cuantiles , etc.; no es un paquete estadístico en el sentido completo, sin embargo, los conjuntos de datos DataFrame y Series se utilizan como entrada en la mayoría de los módulos de aprendizaje automático y análisis de datos ( SciPy , Scikit-Learn y otros).

Características

Las principales características de la biblioteca:

• Objeto DataFrame para manipular matrices indexadas de datos bidimensionales [4]
• Herramientas para intercambiar datos entre estructuras en memoria y archivos de varios formatos.
• Herramientas integradas de fusión de datos y formas de manejar la información faltante
• Reformateo de conjuntos de datos, incluida la creación de tablas dinámicas
• División de datos por valores de índice, opciones de indexación avanzadas, muestreo de grandes conjuntos de datos
• Inserción y eliminación de columnas de datos
• Las capacidades de agrupación le permiten realizar operaciones de tres etapas, como "dividir, cambiar, fusionar" ( ing.  split-apply-combine ).
• Fusionar y fusionar conjuntos de datos
• La indexación jerárquica le permite trabajar con datos de alta dimensión en estructuras de menor dimensión
• Trabajar con series de tiempo: formar períodos de tiempo y cambiar intervalos, etc.

La biblioteca está optimizada para un alto rendimiento, las partes más importantes del código están escritas en Cython y C.

Historia

El desarrollo del paquete comenzó en 2008 por AQR Capital Management [ ] Wes McKinney .  Antes de dejar AQR, logró convencer a la gerencia para que permitiera que el código fuente de la biblioteca se publicara bajo una licencia gratuita.

Otro empleado de AQR, Chang She, se unió al proyecto en 2012 y se convirtió en el segundo desarrollador principal de la biblioteca. Casi al mismo tiempo, la biblioteca ganó popularidad entre los desarrolladores de Python y muchos colaboradores nuevos se unieron al proyecto. [5]

Ejemplos de uso

Curvas