Що таке pandas у Python?
pandas — бібліотека Python для роботи з табличними даними. Її основний обʼєкт, DataFrame, — це таблиця з рядками та стовпцями, яку можна фільтрувати, групувати, обʼєднувати й рахувати за нею метрики кількома рядками коду.
По суті pandas робить те саме, що Excel і SQL, але програмно й без обмежень за обсягом аркуша. Завантаження CSV, чищення пропусків, приведення типів, зведені таблиці, зʼєднання джерел — усе це стандартні операції бібліотеки.
Головна перевага — відтворюваність. Обробка записана кодом, тому її можна перезапустити на нових даних, перевірити, передати колезі й поставити на розклад. З ручними маніпуляціями в таблиці так не вийде.
Де застосовується
pandas беруть, коли даних більше, ніж зручно тримати в таблиці, або коли обробку треба повторювати регулярно. Типові задачі: зібрати вивантаження з кількох файлів, почистити пропуски й дублікати, зʼєднати джерела за ключем, порахувати зведені показники і вивантажити результат назад в Excel чи базу.
Ця сама бібліотека — стандартний перший крок у машинному навчанні: дані готують у pandas, а потім передають у scikit-learn. Працюють з нею найчастіше в Jupyter Notebook, де код і результат ідуть упереміш, що зручно при дослідженні незнайомого набору даних.
Приклад
Щомісяця приходять дванадцять файлів від філій з однаковою структурою. Скрипт на pandas збирає їх в одну таблицю, відкидає скасовані замовлення, приводить дати до єдиного формату і формує зведення за регіонами — три хвилини замість дня ручної роботи.
import pandas as pd
orders = pd.read_csv('orders.csv', parse_dates=['created_at'])
paid = orders[orders['status'] == 'paid']
revenue_by_city = (paid
.groupby('city')['total']
.agg(['count', 'sum'])
.sort_values('sum', ascending=False))
print(revenue_by_city.head(10))Часті запитання
Чим pandas кращий за Excel?
Відтворюваністю і обсягом. Обробка записана кодом, тому її можна перезапустити на нових даних, перевірити і поставити на розклад. До того ж pandas спокійно працює з мільйонами рядків, на яких Excel уже перестає відповідати.
Що таке DataFrame?
Основний обʼєкт бібліотеки — таблиця з рядками, іменованими стовпцями та індексом. За змістом це аркуш Excel або результат SQL-запиту, тільки всередині Python: його можна фільтрувати, групувати, зʼєднувати з іншими таблицями і рахувати за ним метрики.
Чи потрібно знати Python, щоб працювати з pandas?
Достатньо базового рівня: змінні, списки, цикли, функції, робота з файлами. Поглиблене знання мови приходить по ходу. Багато аналітиків починають саме з pandas, бо результат видно одразу і мотивація вчитися тримається краще.
Коли pandas перестає справлятися?
Коли дані не вміщаються в оперативну памʼять — приблизно від кількох десятків мільйонів рядків, залежно від машини. У цей момент переходять на Polars, Dask чи Spark, або переносять важкі обчислення на бік бази даних.