pandas

pandas to open-source'owa biblioteka języka Python do analizy i manipulacji danymi strukturalnymi i tabelarycznymi, stworzona przez Wesa McKinneya w 2008 roku (pierwotnie w firmie AQR Capital Management). Nazwa pochodzi od "panel data" — ekonometrycznego terminu dla wielowymiarowych danych). Pandas jest fundamentem ekosystemu Python Data Science razem z NumPy, Matplotlib i scikit-learn.

Kluczowe struktury danych:

• DataFrame — dwuwymiarowa tabela z wierszami i kolumnami (jak arkusz Excela lub tabela SQL); kolumny mogą mieć różne typy danych
• Series — jednowymiarowa tablica z etykietami indeksu; jedna kolumna DataFrame lub wektor danych

Najważniejsze operacje pandas:

• I/O — read_csv(), read_excel(), read_sql(), read_json(), to_csv()
• Selekcja — df['kolumna'], df.loc[] (label-based), df.iloc[] (integer-based)
• Filtrowanie — warunki boolowskie: df[df['wiek'] > 30]
• Grupowanie — groupby() z agregacjami (sum, mean, count, agg)
• Łączenie — merge() (JOIN jak w SQL), concat()
• Czyszczenie danych — dropna(), fillna(), drop_duplicates(), astype()
• Operacje na datach — parsing dat, resample(), rolling(), dt accessor
• Apply — apply(), map(), transform() do stosowania funkcji na danych

pandas stosuje się do:

• Eksploracyjnej analizy danych (EDA) — szybkie opisowe statystyki, wykrywanie brakujących wartości, rozkłady danych przed budową modeli ML
• Czyszczenia i przygotowania danych — standaryzacja formatów, obsługa braków danych, transformacje przed załadowaniem do modelu lub bazy danych
• Raportowania i analityki biznesowej — agregacje sprzedaży, kohorty klientów, analiza odchyleń w Jupyter Notebook lub z eksportem do Excela
• Przetwarzania ETL — wczytywanie danych z CSV/SQL, transformacja i zapis do innego formatu lub bazy danych
• Feature engineering dla ML — tworzenie nowych cech z istniejących danych: lag features, rolling statistics, one-hot encoding

pandas jest pierwszą biblioteką, której uczy się każdy data scientist lub analityk w Pythonie.

Zacznij od:

• Instalacja: pip install pandas; środowisko: Jupyter Notebook lub JupyterLab
• Tworzenie DataFrame z danych i wczytywanie CSV: pd.read_csv('dane.csv')
• Podstawowe operacje: przeglądanie (head(), info(), describe()), selekcja kolumn, filtrowanie wierszy
• Grupowanie: groupby() + agg() — odpowiednik GROUP BY z SQL
• Łączenie tabel: merge() — odpowiednik JOIN z SQL

Następnie pogłębiaj:

• Obsługa dat: pd.to_datetime(), resample(), DatetimeIndex
• NumPy — fundament pandas; operacje wektorowe, tablice ndarray
• Wizualizacja: Matplotlib, Seaborn integrujące się z pandas DataFrame
• Wydajność: vectorization zamiast pętli, categorical typ danych, Polars jako szybsza alternatywa dla dużych danych
• Integracja z SQLAlchemy — read_sql() i to_sql() do pracy z bazami danych