For at opsummere, er en `Series` en **en-dimensionel** datastruktur, der ligner en liste eller en kolonne i et regneark. Den indeholder data af **samme type**, hvor hvert element er mærket med en **indeks**.

I modsætning hertil er en `DataFrame` en alsidig **to-dimensionel** struktur i Pandas, der ligner en tabel eller et regneark, med rækker og kolonner. Den kan indeholde data af **forskellige typer**, hvor hver kolonne fungerer som en `Series`. Ligesom et regneark inkluderer en `DataFrame` både et indeks og kolonneetiketter, hvilket gør den ideel til at håndtere store, strukturerede datasæt.

For at oprette et `DataFrame` objekt, skal du bruge en `dictionary` i forbindelse med `.DataFrame()` konstruktøren.

import pandas as pd
people_data = {'name' : ['Ann', 'Alex', 'Kevin', 'Kate'], 
          'age' : [35, 12, 24, 45]}

people_df = pd.DataFrame(people_data)
print(people_df)

> Bemærk
>
> Hvis du eksplicit vil angive, at variablen repræsenterer en DataFrame, kan du inkludere `df` i variabelnavnet, som vist i dette eksempel (`people_df`).

import unittest
import importlib
import pandas as pd


# Helper function to dynamically generate test names and assertions
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


def get_first_differing_row(expected_df, actual_df):
    expected_list = expected_df.astype(str).apply(tuple, axis=1)
    actual_list = actual_df.astype(str).apply(tuple, axis=1)

    for i, (row1, row2) in enumerate(zip(expected_list, actual_list)):
        if row1 != row2:
            return i, expected_df.iloc[i].values, actual_df.iloc[i].values

    if len(expected_df) > len(actual_df):
        return len(actual_df), expected_df.iloc[len(actual_df)].values, None
    else:
        return len(expected_df), None, actual_df.iloc[len(expected_df)].values


class TestUserCode(unittest.TestCase):

    def test_animals_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'animals'),
            "The `animals` variable is declared.",
            "Expected the `animals` variable to be declared."
        )

    def test_animals_is_dataframe(self):
        import user_code
        try:
            actual_value = user_code.animals
            condition = isinstance(actual_value, pd.DataFrame)
            failure_message = f"Expected `animals` to be a `DataFrame`, but got `{type(user_code.animals).__name__}`."

        except AttributeError:
            condition = False
            failure_message = "The `animals` variable is not declared."

        _dynamic_test(
            self,
            condition,
            "The variable `animals` is a `DataFrame`.",
            failure_message
        )

    def test_animals_is_correct(self):
        import user_code

        expected_data = {
            'animal': ['Cat', 'Dog', 'Parrot', 'Cat', 'Parrot', 'Cat'],
            'name': ['Dolly', 'Abbey', 'Erin', 'Kelly', 'Taffy', 'Odie']
        }
        expected_df = pd.DataFrame(expected_data)

        variable = 'animals'
        actual_df = getattr(user_code, variable, None)
        condition = False
        if actual_df is None:
            failure_message = f"The `{variable}` variable is not declared."
        elif not isinstance(actual_df, pd.DataFrame):
            failure_message = f"`{variable}` is not a `DataFrame`."
        elif actual_df.empty:
            failure_message = f"`{variable}` is empty."
        elif actual_df.equals(expected_df):
            condition = True
            failure_message = None
        else:
            idx, expected_row, actual_row = get_first_differing_row(expected_df, actual_df)
            failure_message = f"Expected `{variable}` to contain `{expected_row}` at row {idx}, but got `{actual_row}`."

        _dynamic_test(
            self,
            condition,
            f"`{variable}` contains the correct data.",
            failure_message
        )


if __name__ == '__main__':
    unittest.main()

test_main.py

Pandas er et yderst brugervenligt bibliotek til dataanalyse. Det er også designet til at håndtere store datasæt ved hjælp af datastrukturer som DataFrame og Series. Dette gør det til et uvurderligt værktøj for Data Science. I denne guide vil du blive bekendt med en række statistiske funktioner, herunder hvordan man finder korrelationer, typetal, medianer samt maksimum- og minimumværdier inden for et datasæt. Du vil også lære, hvordan man håndterer manglende værdier og manipulerer specifikke værdier, samt hvordan man fjerner dem.

I denne sektion vil vi udforske grundlæggende elementer i Series- og DataFrame-strukturer. Du vil også lære om forskellene mellem disse to typer strukturer.

Data kan hentes i forskellige formater, såsom CSV, JSON, SQL, HTML og mere. Med Pandas er du ikke begrænset til et enkelt format — du kan arbejde med data på tværs af en lang række filtyper. I dette kapitel vil vi specifikt fokusere på CSV- og TXT-formaterne.

Her vil du lære, hvordan man behandler rådata ved at fjerne overflødig information og håndtere null-værdier i et datasæt.

DataFrame

Løsning