معرفی شرکت ها
babypandas-0.1.7
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A restricted Pandas API
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | babypandas-0.1.7 |
| نام | babypandas |
| نسخه کتابخانه | 0.1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Aaron Fraenkel, Darren Liu |
| ایمیل نویسنده | afraenkel@ucsd.edu |
| آدرس صفحه اصلی | https://github.com/afraenkel/babypandas |
| آدرس اینترنتی | https://pypi.org/project/babypandas/ |
| مجوز | - |
# babypandas
A `pandas` data-analysis library with a restricted API
[](https://travis-ci.com/afraenkel/babypandas)
[](https://babypandas.readthedocs.io/en/latest/?badge=latest)
---
The `pandas` library is a confusing mess of methods, and for every
task, no matter how simple, there are multiple ways of approaching
it. `babypandas` is a simplified, introductory `pandas` library that
allows for basic tabular data-analysis with only a small subset of
methods and arguments. This allows for a smooth transition into `pandas`.
The chosen methods are meant to align with the methods in Berkeley's
`datascience` module, developed for the [data8](https://data8.org)
course. However, unlike the `datascience` module, all code written in
`babypandas` is also valid `pandas` code.
---
## Install
To install `babypandas`, use `pip`:
```
pip install babypandas
```
---
## Documentation
See the [documentation](https://babypandas.readthedocs.io) page.
---
## FAQ
*Who is this library for?*
This library is intended for those wanting an introduction to data
science in python, but want a focused, introduction much like what's
covered in Berkeley's data8 course. The pandas methods available in
this library encourage better Pandas usage through functional
programming patterns and method chaining.
*Why not just use the datascience module?*
This library may be prefered over `datascience` when students
will be moving to `pandas`. While this library serves as a restricted
introduction to `pandas`, it doesn't shy away from some `pandas`
usage patterns that may require care for new programmers:
* The frequent use of named function arguments,
* The use of boolean arrays (masks) to select rows,
* The use of table indices.
*How does this library compare to the datascience module?*
Berkeley `datascience` module equivalents with `babypandas`:
| `datascience` method | `babypandas` equivalent or close | method description |
|---------------------------------------------|------------------------------------------------------------|-------------------------------------------|
| `Table()` | `bpd.DataFrame()` | empty table formation |
| `Table().with_columns(*labels_and_values)` | `bpd.DataFrame().assign(**kwargs)` | table from lists |
| `table.with_columns(*labels_and_values)` | `df.assign(**kwargs)` | adding columns |
| `table.with_rows(rows)` | `df.append(other_df, ignore_index=True)` | |
| `Table.read_table(filepath)` | `bpd.read_csv(filepath)` | read in data |
| `table.num_columns` | `df.shape[1]` | number of columns |
| `table.num_rows` | `df.shape[0]` | number of rows |
| `table.labels` | `df.columns` | list of columns |
| `table.relabeled(label, new_label)` | `df.assign(new_label=df.get(label)).drop(columns=[label])` | rename columns |
| `table.column(col)` | `df.get(col)` | get a specific column (by name) |
| `table.column(col).item(0)` | `df.get(col).iloc[0]` | get a specific value in the table |
| `table.select(col1, col2)` | `df.get([col1, col2])` | get columns as a df |
| `table.drop(col1, col2)` | `df.drop(columns=[col1, col2])` | drop columns |
| `table.sort(col)` | `df.sort_values(by=col)` | sorts values in a dataframe by col |
| `table.take(row_indices_or_slice)` | `df.take(row_indices_or_slice)` | selects a single row |
| `table.where(col, are.above(num))` | `df.loc[df.get(col) > num]` | selects rows based on condition |
| `table.scatter(xcol, ycol)` | `df.plot(kind='scatter', x=xcol, y=ycol)` | plots a scatter plot |
| `table.plot(xcol, ycol)` | `df.plot(x=xcol, y=ycol)` | plots a line plot |
| `table.barh(col)` | `df.plot(kind='barh', x=col)` | plots a horizontal bar plot |
| `table.hist(col, bins)` | `df.get(col).plot(kind='hist', bins=bins)` | plots a histogram |
| `table.apply(fn, col)` | `df.get(col).apply(fn)` | apply function to a column |
| `table.group(col)` | `df.groupby(col).count()` | give counts of values in a col |
| `table.group(col, agg_fn)` | `df.groupby(col).agg_fn.reset_index()` | groups by column, aggregates with fn |
| `table.group([col1, col2])` | `df.groupby([col1, col2]).count().reset_index()` | groups by two cols, agg with counts |
| `table.group([col1, col2], sum)` | `df.groupby[col1, col2]).sum().reset_index()` | groups by two cols, agg with sum |
| `table.join(leftcol, df2, rightcol)` | `df.merge(df2, left_on=leftcol, right_on=rightcol)` | merges two dataframes (diff col names) |
| `table.join(col, df2, col)` | `df.merge(df2, on=col)` | merges two dataframes (same col names) |
| `table.sample(n)` | `df.sample(n, replace=True)` | sample with replacement |
| `sample_proportions(size, distr)` | `np.random.multinomial(size, distr) / size` | gets sample proportions of a distribution |
نیازمندی
| مقدار | نام |
|---|---|
| >=0.24 | pandas |
| - | numpy |
نحوه نصب
نصب پکیج whl babypandas-0.1.7:
pip install babypandas-0.1.7.whl
نصب پکیج tar.gz babypandas-0.1.7:
pip install babypandas-0.1.7.tar.gz