Summary  
This chapter introduces how to import and alias the pandas library in Python and provides an overview of its core data manipulation and analysis capabilities.

General domain of usage  
Data analysis

Щоб впевнено пройти цей курс і досягти успіху, спочатку слід завершити наступний курс:

Get a visual introduction to the `pandas` library in Python. This video walks you through what `pandas` is, why it is essential for data analysis, and how to start using it in your own projects. You will see how to import `pandas`—both with and without an alias—and learn about its core use cases for data scientists and analysts. By the end, you will understand how `pandas` fits into the Python data ecosystem and be ready to take your first steps with this powerful tool.

## Чому варто використовувати Pandas?

`pandas` — це бібліотека Python, призначена для обробки та аналізу даних. Володіння цією бібліотекою корисне як для **фахівців з аналізу даних**, так і для **аналітиків даних**. За допомогою `pandas` можна сортувати, фільтрувати, змінювати й візуалізувати дані, а також обчислювати корисні статистики, що дозволяє виконувати комплексний аналіз.

Щоб використовувати цю бібліотеку, необхідно **імпортувати** її.
```python
# Importing `pandas`
import pandas
```

Для зручності використання зазвичай імпортують бібліотеку з псевдонімом.
```python
# Importing `pandas` with an alias
import pandas as pd
```

У цьому випадку `pd` виступає як псевдонім. Тому при виклику функцій цієї бібліотеки надалі це виглядатиме так:
```python
# Importing `pandas` with an alias
import pandas as pd

# Using a function from `pandas`
pd.function()
```

import unittest
import importlib
import sys


# 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)


class TestUserCode(unittest.TestCase):

    # Test if `pandas` is imported in user_code.py
    def test_pandas_is_imported(self):
        import user_code
        pandas_imported = "pandas" in sys.modules
        condition = pandas_imported
        failure_message = "Expected `pandas` to be imported, but it is not imported."

        _dynamic_test(
            self,
            condition,
            "The `pandas` library is imported.",
            failure_message
        )

    # Test if `pandas` is correctly assigned to `pd`
    def test_pandas_imported_as_pd(self):
        import user_code
        actual_value = getattr(user_code, "pd", None)

        if actual_value is None:
            condition = False
            failure_message = "Expected `pandas` to be imported as `pd`, but `pd` is not declared."
        elif actual_value.__name__ != "pandas":
            condition = False
            failure_message = f"Expected `pandas` to be imported as `pd`, but got `{actual_value.__name__}` imported as `pd`."
        else:
            condition = True
            failure_message = ''

        _dynamic_test(
            self,
            condition,
            "The `pandas` library is correctly imported as `pd`.",
            failure_message
        )


# Run the tests when executing the script
if __name__ == "__main__":
    unittest.main()

test_main.py

Pandas — це надзвичайно зручна бібліотека для аналізу даних. Вона також розроблена для роботи з великими наборами даних, використовуючи такі структури даних, як DataFrame і Series. Це робить її незамінним інструментом для Data Science. У цьому посібнику ви ознайомитеся з різноманітними статистичними функціями, зокрема з тим, як знаходити кореляції, моди, медіани, а також максимальні та мінімальні значення у наборі даних. Ви також дізнаєтеся, як обробляти пропущені значення та змінювати окремі значення, а також як їх видаляти.

Знайомство з основами бібліотеки pandas. Створення та маніпулювання об'єктами Series і DataFrame, дослідження їхньої структури, формування впевненості у виконанні базових операцій з даними.

Опанування навичок завантаження та обробки даних з файлів CSV і TXT. Набуття практичного досвіду імпортування наборів даних і підготовки їх до подальшого аналізу за допомогою інструментів pandas.

Ознайомлення з методами дослідження, очищення та узагальнення даних. Розуміння обробки пропущених значень, отримання інсайтів і виконання базових статистичних операцій за допомогою pandas.

Що таке Pandas?

Чому варто використовувати Pandas?

Рішення