Hướng dẫn what is dataset and dataframe in python? - tập dữ liệu và khung dữ liệu trong python là gì?

Hiển thị các loại dữ liệu

Bước đầu tiên để biết dữ liệu của bạn là khám phá các loại dữ liệu khác nhau mà nó chứa. Mặc dù bạn có thể đặt bất cứ thứ gì vào danh sách, các cột của

>>> import numpy as np
>>> nba.describe(include=object)

Bạn có thể hiển thị tất cả các cột và các loại dữ liệu của chúng với

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Điều này sẽ tạo ra đầu ra sau:

Bạn sẽ thấy một danh sách tất cả các cột trong tập dữ liệu của bạn và loại dữ liệu mà mỗi cột chứa. Tại đây, bạn có thể thấy các loại dữ liệu

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Kiểu dữ liệu

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Mặc dù bạn có thể lưu trữ các đối tượng Python tùy ý trong kiểu dữ liệu

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Hiển thị số liệu thống kê cơ bản

Bây giờ bạn đã thấy những loại dữ liệu nào trong bộ dữ liệu của bạn, đã đến lúc có được cái nhìn tổng quan về các giá trị mà mỗi cột chứa. Bạn có thể làm điều này với

$ conda install requests pandas matplotlib

Hàm này cho bạn thấy một số thống kê mô tả cơ bản cho tất cả các cột số:

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Hãy xem các cột

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Khám phá bộ dữ liệu của bạn

Phân tích dữ liệu khám phá có thể giúp bạn trả lời các câu hỏi về bộ dữ liệu của bạn. Ví dụ: bạn có thể kiểm tra tần suất các giá trị cụ thể xảy ra trong một cột: can help you answer questions about your dataset. For example, you can examine how often specific values occur in a column:

>>>

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

$ conda install requests pandas matplotlib

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>>

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

$ conda install requests pandas matplotlib

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

>>>

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Hãy xem các cột

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Khám phá bộ dữ liệu của bạn

>>>

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Hãy xem các cột

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Có vẻ như một đội tên $ conda install requests pandas matplotlib 12 đã chơi 6024 trò chơi, nhưng chỉ có 5078 trong số đó được chơi bởi Los Angeles Lakers. Tìm ra nhóm $ conda install requests pandas matplotlib 12 khác là ai:

Thật vậy, Minneapolis Lakers (

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Bạn đã sử dụng danh sách

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

1. Một chuỗi các giá trịvalues
2. Một chuỗi các định danh, là chỉ mụcidentifiers, which is the index

Bạn có thể truy cập các thành phần này với

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Trong khi Pandas xây dựng trên Numpy, một sự khác biệt đáng kể là trong việc lập chỉ mục của chúng. Giống như một mảng numpy, một gấu trúc

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Tuy nhiên, một

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Ở đây, chỉ số là một danh sách các tên thành phố được đại diện bởi các chuỗi. Bạn có thể nhận thấy rằng từ điển Python cũng sử dụng các chỉ số chuỗi, và đây là một sự tương tự tiện dụng để ghi nhớ! Bạn có thể sử dụng các khối mã ở trên để phân biệt giữa hai loại

$ conda install requests pandas matplotlib

1. $ conda install requests pandas matplotlib
   

   30:

   $ conda install requests pandas matplotlib
   

   27 này hoạt động giống như một danh sách Python vì nó chỉ có chỉ số vị trí. This

   $ conda install requests pandas matplotlib
   

   27 behaves like a Python list because it only has a positional index.

2. $ conda install requests pandas matplotlib
   

   43:

   $ conda install requests pandas matplotlib
   

   27 này hoạt động giống như một từ điển Python vì nó có cả chỉ số vị trí và nhãn. This

   $ conda install requests pandas matplotlib
   

   27 acts like a Python dictionary because it features both a positional and a label index.

Tại đây, cách xây dựng một

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Các khóa từ điển trở thành chỉ mục và các giá trị từ điển là các giá trị

$ conda install requests pandas matplotlib

Giống như từ điển,

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Bạn có thể sử dụng các phương pháp này để trả lời các câu hỏi về bộ dữ liệu của bạn một cách nhanh chóng.

Hiểu các đối tượng DataFrame

Mặc dù

$ conda install requests pandas matplotlib

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

Nếu bạn đã theo dõi cùng với các ví dụ

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

1. $ conda install requests pandas matplotlib
   

   43

2. $ conda install requests pandas matplotlib
   

   57

Bạn có thể kết hợp các đối tượng này thành

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Lưu ý cách gấu trúc thay thế giá trị

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Chỉ số

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

>>>

$ conda install requests pandas matplotlib

Giống như

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

>>>

$ conda install requests pandas matplotlib

Bạn cũng có thể tham khảo 2 chiều của

>>> import numpy as np
>>> nba.describe(include=object)

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Trục được đánh dấu bằng 0 là chỉ số hàng và trục được đánh dấu bằng 1 là chỉ mục cột. Thuật ngữ này rất quan trọng để biết bởi vì bạn sẽ gặp một số phương thức

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

Một

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể thấy các khái niệm này hoạt động với bộ dữ liệu NBA lớn hơn. Nó có chứa một cột được gọi là

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

Bởi vì bạn đã chỉ định một cột chỉ mục khi bạn đọc trong tệp CSV, Pandas đã gán một

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

>>> import numpy as np
>>> nba.describe(include=object)

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể kiểm tra sự tồn tại của một cột với

$ conda install requests pandas matplotlib

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Cột được gọi là

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Khi bạn sử dụng các phương pháp này để trả lời các câu hỏi về bộ dữ liệu của bạn, hãy nhớ lưu ý rằng liệu bạn có làm việc với

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

Sử dụng toán tử lập chỉ mục

Hãy nhớ lại rằng

$ conda install requests pandas matplotlib

1. Một chỉ số vị trí hoặc tiềm ẩn, luôn luôn là

   $ conda install requests pandas matplotlib
   

   76, which is always a

   $ conda install requests pandas matplotlib
   

   76
2. Một nhãn hoặc chỉ mục rõ ràng, có thể chứa bất kỳ đối tượng có thể băm nào, which can contain any hashable objects

Tiếp theo, xem lại đối tượng

$ conda install requests pandas matplotlib

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

Nếu bạn muốn tìm hiểu thêm về khả năng của toán tử lập chỉ mục, thì hãy xem danh sách và bộ dữ liệu trong Python.

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:data access methods:

1. Nếu bạn muốn tìm hiểu thêm về khả năng của toán tử lập chỉ mục, thì hãy xem danh sách và bộ dữ liệu trong Python. refers to the label index.
2. Sử dụng

   $ conda install requests pandas matplotlib
   

   89 và

   $ conda install requests pandas matplotlib
   

   90 refers to the positional index.

Toán tử lập chỉ mục (

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

Nếu bạn muốn tìm hiểu thêm về khả năng của toán tử lập chỉ mục, thì hãy xem danh sách và bộ dữ liệu trong Python.

Sử dụng

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Toán tử lập chỉ mục (

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Bạn có thể truy cập một cách thuận tiện các giá trị trong

$ conda install requests pandas matplotlib

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

1. Nếu bạn muốn tìm hiểu thêm về khả năng của toán tử lập chỉ mục, thì hãy xem danh sách và bộ dữ liệu trong Python.list.
2. Sử dụng

   $ conda install requests pandas matplotlib
   

   89 và

   $ conda install requests pandas matplotlib
   

   90dictionary.

Toán tử lập chỉ mục (

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib 89 đề cập đến chỉ mục nhãn.

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Các phương pháp truy cập dữ liệu này dễ đọc hơn nhiều:

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Hình dưới đây cho thấy các phần tử nào

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Một lần nữa,

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Nó dễ dàng hơn để ghi nhớ sự khác biệt giữa

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

Bạn cũng có thể sử dụng các chỉ số và lát cắt âm, giống như bạn làm cho một danh sách:

Tương tự như

$ conda install requests pandas matplotlib

>>> import numpy as np
>>> nba.describe(include=object)

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Mỗi dòng mã chọn một hàng khác nhau từ

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

1. import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   66 chọn hàng với chỉ mục nhãn

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   67. selects the row with the label index

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   67.

2. import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   68 chọn các hàng với các chỉ số nhãn từ

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   69 đến

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   70. Hãy nhớ rằng,

   $ conda install requests pandas matplotlib
   

   89 là bao gồm. selects the rows with label indices from

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   69 to

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   70. Remember,

   $ conda install requests pandas matplotlib
   

   89 is inclusive.

3. import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   72 chọn hàng với chỉ số vị trí

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   08, đó là

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   69. selects the row with the positional index

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   08, which is

   import requests
   
   download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
   target_csv_path = "nba_all_elo.csv"
   
   response = requests.get(download_url)
   response.raise_for_status()    # Check that the request was successful
   with open(target_csv_path, "wb") as f:
       f.write(response.content)
   print("Download ready.")
   

   69.

Được rồi, bạn đã sử dụng

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

Hàng thứ hai đến cuối cùng là hàng với chỉ số vị trí của

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

$ conda install requests pandas matplotlib

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Mỗi dòng mã chọn một hàng khác nhau từ

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

>>> import numpy as np
>>> nba.describe(include=object)

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Mỗi dòng mã chọn một hàng khác nhau từ

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

$ conda install requests pandas matplotlib

>>>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

Được rồi, bạn đã sử dụng

$ conda install requests pandas matplotlib

$ conda install requests pandas matplotlib

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

Hàng thứ hai đến cuối cùng là hàng với chỉ số vị trí của

import requests

download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"

response = requests.get(download_url)
response.raise_for_status()    # Check that the request was successful
with open(target_csv_path, "wb") as f:
    f.write(response.content)
print("Download ready.")

$ conda install requests pandas matplotlib

Bạn sẽ thấy đầu ra là đối tượng

$ conda install requests pandas matplotlib

Bạn có thể ngạc nhiên khi thấy phần này quá muộn trong hướng dẫn! Thông thường, bạn có một cái nhìn quan trọng về bộ dữ liệu của mình để khắc phục mọi vấn đề trước khi bạn chuyển sang phân tích tinh vi hơn. Tuy nhiên, trong hướng dẫn này, bạn sẽ dựa vào các kỹ thuật mà bạn đã học được trong các phần trước để làm sạch bộ dữ liệu của bạn.

Giá trị bị mấtNull values often indicate a problem in the data-gathering process. They can make several analysis techniques, like different types of machine learning, difficult or even impossible.

Bạn đã bao giờ tự hỏi tại sao

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Khi bạn kiểm tra bộ dữ liệu

>>> nba["team_id"].value_counts()
BOS    5997
NYK    5769
LAL    5078
...
SDS      11
>>> nba["fran_id"].value_counts()
Name: team_id, Length: 104, dtype: int64
Lakers          6024
Celtics         5997
Knicks          5769
...
Huskies           60
Name: fran_id, dtype: int64

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

Đầu ra này cho thấy cột

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

>>>

>>> pd.set_option("display.precision", 2)

Để cải thiện hiệu suất, bạn có thể chuyển đổi nó thành cột

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Bạn có thể sử dụng

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

>>>

>>> pd.set_option("display.precision", 2)

Để cải thiện hiệu suất, bạn có thể chuyển đổi nó thành cột

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64

Bạn có thể sử dụng

>>> import pandas as pd
>>> nba = pd.read_csv("nba_all_elo.csv")
>>> type(nba)
<class 'pandas.core.frame.DataFrame'>

>>>

>>> pd.set_option("display.precision", 2)

Để cải thiện hiệu suất, bạn có thể chuyển đổi nó thành cột

>>> nba.loc[nba["fran_id"] == "Lakers", "team_id"].value_counts()
LAL    5078
MNL     946
Name: team_id, dtype: int64