पायथन डेटा एनालिसिस और विज़ुअलाइज़ेशन (Pandas)

Pandas डेटा साइंस और एनालिटिक्स के लिए सबसे लोकप्रिय पायथन लाइब्रेरी है। यह डेटा मैनिपुलेशन, एनालिसिस, और क्लीनिंग के लिए हाई-लेवल अब्स्ट्रैक्शन प्रदान करता है (NumPy पर निर्मित)।

इंस्टॉलेशन

pip install pandas matplotlib

मूल डेटा स्ट्रक्चर्स

Series - 1-डायमेंशनल लेबल्ड ऐरे

import pandas as pd

# बेसिक सीरीज
s = pd.Series([12, 24, 36, 48, 60, 72, 84])
print(s)
# 0    12
# 1    24
# 2    36
# ...

# कस्टम इंडेक्स के साथ
s = pd.Series([12, 24, 36, 48, 60, 72, 84], 
              index=['ind0', 'ind1', 'ind2', 'ind3', 'ind4', 'ind5', 'ind6'])
print(s['ind3'])  # 48

# मल्टीपल इंडेक्स एक्सेस
print(s[['ind0', 'ind3', 'ind6']])

# फिल्टरिंग
print(s[s > 24])

# मैथ ऑपरेशन्स
print(s * 2)

# डिक्शनरी से
s = pd.Series({'a': 9, 'b': 18, 'c': 27, 'd': 36})
s.name = 'Numbers'
s.index.name = 'Letters'
print(s)

DataFrame - 2-डायमेंशनल टेबलर डेटा

# डिक्शनरी से DataFrame
df = pd.DataFrame({
    'Country': ['China', 'India', 'Indonesia', 'Pakistan'],
    'Population': [1420062022, 1368737513, 269536482, 204596442],
    'Area': [9388211, 2973190, 1811570, 770880]
})

print(df)
#    Area Country  Population
# 0  9388211  China  1420062022
# 1  2973190  India  1368737513
# ...

# कस्टम इंडेक्स
df.index = ['CHA', 'IND', 'IDO', 'PAK']
df.index.name = 'Country Code'
print(df)

एलिमेंट एक्सेस

# कॉलम एक्सेस
print(df['Country'])

# रो एक्सेस - लेबल द्वारा
print(df.loc['IND'])

# रो एक्सेस - पोजीशन द्वारा
print(df.iloc[1])

# मल्टीपल रो, स्पेसिफिक कॉलम
print(df.loc[['CHA', 'IND'], 'Population'])

फाइल पढ़ना/लिखना

# CSV पढ़ें
df = pd.read_csv('data.csv', sep=',')

# Excel पढ़ें
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# JSON पढ़ें
df = pd.read_json('data.json')

# SQL से पढ़ें
import sqlalchemy
engine = sqlalchemy.create_engine('sqlite:///data.db')
df = pd.read_sql('SELECT * FROM table', engine)

# लिखना
df.to_csv('output.csv', index=False)
df.to_excel('output.xlsx', index=False)
df.to_json('output.json', orient='records')

एग्रीगेशन और ग्रुपिंग

# टाइटैनिक डेटासेट उदाहरण
titanic = pd.read_csv('titanic.csv')

# लिंग और सर्वाइवल द्वारा ग्रुप
print(titanic.groupby(['Sex', 'Survived'])['PassengerId'].count())

# क्लास और सर्वाइवल द्वारा
print(titanic.groupby(['PClass', 'Survived'])['PassengerId'].count())

# मल्टीपल एग्रीगेशन
print(titanic.groupby('PClass')['Age'].agg(['mean', 'min', 'max', 'count']))

टाइम सीरीज एनालिसिस

# स्टॉक डेटा (Date कॉलम को इंडेक्स बनाएं)
amzn = pd.read_csv('AMZN.csv', index_col='Date', parse_dates=True)
amzn = amzn.sort_index()

# विशिष्ट महीने का औसत क्लोजिंग प्राइस
april_2015_avg = amzn.loc['2015-04', 'Close'].mean()
print(f"अप्रैल 2015 औसत: {april_2015_avg}")

# रीसैंपलिंग (मासिक से त्रैमासिक)
quarterly = amzn.resample('Q').mean()
print(quarterly.head())

विज़ुअलाइज़ेशन (Matplotlib के साथ)

import matplotlib.pyplot as plt

# स्टॉक प्राइस प्लॉट
df = pd.read_csv('AMZN.csv', index_col='Date', parse_dates=True)
df = df.sort_index()

# समय अवधि फिल्टर
plot_data = df.loc['2014-06':'2018-08', ['Close']].astype(float)

# प्लॉट
ax = plot_data.plot(figsize=(12, 6), title='Amazon Stock Price')
ax.set_xlabel('Date')
ax.set_ylabel('Close Price ($)')
plt.tight_layout()
plt.show()

उपयोगी Pandas ऑपरेशन्स चिटशीट

प्रदर्शन टिप्स

• लूप्स के बजाय वेक्टराइज्ड ऑपरेशन्स उपयोग करें
• apply() के बजाय बिल्ट-इन मेथड्स उपयोग करें
• बड़े डेटा के लिए dtype स्पेसिफाई करें
• category डेटा टाइप उपयोग करें कम कार्डिनैलिटी कॉलम्स के लिए
• चंक्स में पढ़ें: pd.read_csv('big.csv', chunksize=10000)