Summary  
Introduces the Pandas DataFrame as a two-dimensional, heterogeneous data structure composed of labeled Series and shows how to create one from a dictionary using the pd.DataFrame constructor.

General domain of usage  
Data analysis and manipulation

Samenvattend is een `Series` een **eendimensionale** datastructuur, vergelijkbaar met een lijst of een kolom in een spreadsheet. Het bevat gegevens van **hetzelfde type**, waarbij elk element wordt aangeduid met een **index**.

Daarentegen is een `DataFrame` een veelzijdige **tweedimensionale** structuur in Pandas, vergelijkbaar met een tabel of spreadsheet, met rijen en kolommen. Het kan gegevens van **verschillende typen** bevatten, waarbij elke kolom functioneert als een `Series`. Net als een spreadsheet bevat een `DataFrame` zowel een index als kolomlabels, waardoor het ideaal is voor het verwerken van grote, gestructureerde datasets.

Om een `DataFrame`-object te maken, is het nodig om een `dictionary` te gebruiken in combinatie met de `.DataFrame()` constructor.

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)

Als u expliciet wilt aangeven dat de variabele een DataFrame voorstelt, kunt u `df` in de variabelenaam opnemen, zoals getoond in dit voorbeeld (`people_df`).

Opmerking

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 is een uiterst gebruiksvriendelijke bibliotheek voor data-analyse. Het is ook ontworpen om grote datasets te verwerken, met behulp van datastructuren zoals DataFrame en Series. Dit maakt het een onmisbaar hulpmiddel voor Data Science. In deze gids maak je kennis met diverse statistische functies, waaronder het vinden van correlaties, modi, medianen en maximale en minimale waarden binnen een dataset. Je leert ook hoe je omgaat met ontbrekende waarden en specifieke waarden kunt manipuleren of verwijderen.

Verdiep je in de basisprincipes van de pandas-bibliotheek. Leer het aanmaken en manipuleren van Series en DataFrames, onderzoek hun structuur en ontwikkel vertrouwen in het uitvoeren van essentiële data-operaties.

Beheers het laden en beheren van gegevens uit CSV- en TXT-bestanden. Praktische ervaring opdoen met het importeren van datasets en het voorbereiden ervan voor verdere analyse met behulp van pandas-tools.

Leer gegevens effectief te verkennen, opschonen en samenvatten. Begrijp hoe ontbrekende waarden te behandelen, inzichten te verkrijgen en basisstatistische bewerkingen uit te voeren met pandas.

Dataframe

Oplossing

Awesome!

Dataframe

Oplossing