Kitabı oxu: «Pandas без пропавших файлов. 16 задач анализа данных»

Name: Pandas без пропавших файлов. 16 задач анализа данных
Author: Глеб Зайцев

Глеб Зайцев

Şrift:

Перед первой таблицей

Почему таблицы лучше сначала делать маленькими

Pandas часто изучают на больших файлах. Это выглядит солидно, но мешает понять ошибку: результат изменился из-за фильтра, типа данных, пропуска, дубля или порядка сортировки. В этой книге все таблицы маленькие и находятся прямо в тексте. Их можно перепечатать, изменить и сразу увидеть, что поменялось.

Задача книги — не перечислить весь pandas. Мы берём рабочие действия, которые чаще всего ломаются у новичка: прочитать данные, выбрать строки, посчитать новый показатель, сгруппировать, объединить справочник, обработать даты и вернуть компактный отчёт. Каждый раз сначала фиксируется вопрос к данным, потом код, потом проверка результата.

Примеры написаны для pandas 2.2. Они используют только память процесса: данные передаются через StringIO, файлы на компьютере не читаются и не создаются. Это осознанное ограничение. В реальной работе вы замените StringIO на путь к CSV или Excel, но логика очистки и проверки останется той же.

Как запускать примеры

Установите Python 3 и pandas в отдельное учебное окружение. Скопируйте один пример в файл task.py и запустите его. В книге ожидаемый результат напечатан через repr, чтобы были видны списки, словари, строки и округления. Если вывод отличается, сначала проверьте, не изменили ли вы исходную таблицу.

Во всех задачах таблицы синтетические: заказы, товары, просмотры, тесты и клиенты придуманы для обучения. Не подставляйте реальные персональные данные, финансовые выгрузки или клиентские базы в чужие онлайн-сервисы ради проверки. Для тренировки достаточно локального запуска.

У pandas часто есть несколько правильных способов решить одну задачу. В книге выбран один путь, который легче проверить на маленьком наборе. Если вы нашли другой вариант, сравните не только итоговое число, но и порядок строк, типы, пропуски и правила округления.

Что считать хорошим ответом

Хороший ответ в анализе данных состоит из трёх частей: что именно посчитано, на каких строках, и какие ограничения остались. Сумма продаж без статуса оплаты, среднее без обработки пропусков или конверсия без размера группы могут выглядеть убедительно, но отвечают не на тот вопрос.

Поэтому в каждом разборе есть типичная ошибка. Иногда она даёт число, которое кажется правдоподобным. Проверка маленькой таблицей помогает увидеть, почему такое число нельзя нести в отчёт.