Summary  
This chapter covers how to introspect a tabular data structure to retrieve metadata (row/column counts, column names, data types) and determine its length using built-in functions.

General domain of usage  
Data analysis

`pandas`-kirjastossa on kätevä metodi nimeltä `info()`, joka tarjoaa perustietoja tietojoukosta.

import pandas as pd
# It's a dataframe
df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a43d24b6-df61-4e11-9c90-5b36552b3437/example.csv')
info = df.info()
print(info)

Tämä metodi näyttää DataFramen rivien ja sarakkeiden lukumäärän sekä kunkin sarakkeen nimen ja tietotyypin. Esimerkiksi `df` sisältää **20** riviä ja **5** saraketta.

Määrittääksemme DataFramen pituuden, voimme käyttää `len()`-funktiota, kuten alla olevassa esimerkissä on esitetty:
```python
length = len(df)
```

import unittest
import importlib
import pandas as pd
from io import StringIO
import re


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)


class TestUserCode(unittest.TestCase):

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

    def test_info_method_is_used(self):
        with open('user_code.py', 'r') as file:
            user_code_source = file.read()

        _dynamic_test(
            self,
            re.search(r'\.info\s*\(', user_code_source),
            "The `info()` method is used.",
            "Expected the `info()` method to be used."
        )


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

test_main.py

Pandas on erittäin käyttäjäystävällinen kirjasto datan analysointiin. Se on myös suunniteltu käsittelemään suuria tietoaineistoja, käyttäen tietorakenteita kuten DataFrame ja Series. Tämä tekee siitä korvaamattoman työkalun Data Scienceen. Tässä oppaassa tutustut erilaisiin tilastollisiin funktioihin, mukaan lukien kuinka löytää korrelaatioita, moodit, mediaanit sekä maksimi- ja minimiarvot tietoaineistossa. Opit myös käsittelemään puuttuvia arvoja ja manipuloimaan tiettyjä arvoja sekä poistamaan niitä.

Tässä osiossa tutustumme Series- ja DataFrame-rakenteiden perusteisiin. Opit myös näiden kahden rakenteen välisistä eroista.

Dataa voi olla saatavilla eri muodoissa, kuten CSV, JSON, SQL, HTML ja monia muita. Pandasin avulla et ole rajoittunut yhteen muotoon — voit työskennellä datan kanssa monissa eri tiedostotyypeissä. Tässä luvussa keskitymme erityisesti CSV- ja TXT-muotoihin.

Tässä opit käsittelemään raakadataa poistamalla ylimääräistä tietoa ja hallitsemalla puuttuvia arvoja tietojoukossa.

Tutkitaan Tietojoukkoa

Ratkaisu