Inhaltsverzeichnis:

Wie führt man einen Panda im Jupyter-Notebook aus?
Wie führt man einen Panda im Jupyter-Notebook aus?

Video: Wie führt man einen Panda im Jupyter-Notebook aus?

Video: Wie führt man einen Panda im Jupyter-Notebook aus?
Video: What are Jupyter Notebooks? 2024, November
Anonim

Um mit der Verwendung Ihrer neuen Umgebung zu beginnen, klicken Sie auf die Registerkarte Umgebungen. Klicken Sie auf die Pfeilschaltfläche neben dem Pandas Umgebungsname. Wählen Sie in der angezeigten Liste das Werkzeug aus, um verwenden öffnen Pandas : Terminal, Python, IPython , oder Jupyter-Notizbuch.

Wie verwenden Sie Pandas in Jupyter Notebook?

Pandas importieren in ein Jupyter-Notizbuch Öffne dein wieder Notizbuch und erstellen Sie oben eine neue Zelle. Da werden wir importieren das Pandas Bibliothek für verwenden in unserem Skript. Geben Sie Folgendes ein und drücken Sie erneut die Wiedergabetaste. Wenn nichts passiert, ist das gut.

Wie verwenden Sie Pandas in Python? Wenn Sie Pandas für die Datenanalyse verwenden möchten, verwenden Sie es normalerweise auf eine von drei verschiedenen Arten:

  1. Konvertieren Sie eine Python-Liste, ein Wörterbuch oder ein Numpy-Array in einen Pandas-Datenrahmen.
  2. Öffnen Sie eine lokale Datei mit Pandas, normalerweise eine CSV-Datei, aber es kann sich auch um eine Textdatei mit Trennzeichen (wie TSV), Excel usw.

Anschließend stellt sich die Frage, wie betreibe ich ein Jupyter-Notebook?

So starten Sie die Jupyter Notebook-App:

  1. Klicken Sie auf Spotlight, geben Sie Terminal ein, um ein Terminalfenster zu öffnen.
  2. Geben Sie den Startordner ein, indem Sie cd /some_folder_name eingeben.
  3. Geben Sie jupyter notebook ein, um die Jupyter Notebook-App zu starten. Die Notebook-Benutzeroberfläche wird in einem neuen Browserfenster oder einer neuen Registerkarte angezeigt.

Sind Pandas leicht zu erlernen?

Python ist in dieser Hinsicht einfacher und modularer als MATLAB. Sobald Sie NumPy beherrschen, Pandas ist ziemlich einfach abholen. Es erweitert alle NumPy-Konzepte auf Tabellendaten, bei denen jede Spalte einen anderen Datentyp haben kann (im Gegensatz zu einem Array, bei dem alle Elemente denselben Datentyp haben müssen).

Empfohlen: