pandas: Series va DataFrame

8-bob 12 kod bloki 1159 so'z

Sahna: NumPy yetmay qolgan joy

1-qismda hamma narsa son edi. Real jadval esa boshqacha: avtomobil e'lonida model (matn), yil (butun son), narx (katta son), sana, rang, ba'zan bo'sh katak. NumPy array da hamma element bitta turda bo'lishi kerak — bunday jadval unga sig'maydi. Ustunlarning nomi ham yo'q: savdo[:, 3] — "3-ustun" nima ekanini eslab yurish kerak.

pandas shu ikki muammoni hal qiladi: har ustunning o'z nomi va o'z turi bor, qatorlarning esa yorlig'i (index). Ichida esa o'sha NumPy array lar — tezlik saqlanadi.

import pandas as pd

print(pd.__version__)

2.3.3

pd — np kabi umumiy qisqartma.

Series: nomli ustun

Series — bitta ustun: qiymatlar va ularning yorliqlari.

narx = pd.Series([5_000, 12_000, 18_000, 32_000], index=["non", "sut", "guruch", "yog'"], name="narx")
narx

Chap tomondagi yorliqlar — index, o'ngdagi — qiymatlar. Endi element raqam bilan emas, nom bilan olinadi:

print(narx["sut"])
print(narx[narx > 10_000].index.tolist())
print(type(narx.values).__name__, narx.values)

12000
['sut', 'guruch', "yog'"]
ndarray [ 5000 12000 18000 32000]

narx.values — ichidagi oddiy NumPy array. Ya'ni 1-qismdagi hamma narsa (mask, aggregatsiya, broadcasting) Series da ham ishlaydi.

Index bo'yicha moslashish

pandas ning eng muhim va eng ko'p hayron qoldiradigan xususiyati — amallar o'rin bo'yicha emas, yorliq bo'yicha bajariladi:

chegirma = pd.Series([500, 1_000], index=["guruch", "non"])
narx - chegirma

chegirma ning birinchi elementi guruch, narx ning birinchisi non — lekin pandas ularni adashtirmadi: guruchdan guruchni, nondan nonni ayirdi. Juftsiz qolgan sut va yog' uchun natija — NaN ("noma'lum"): ayiradigan son yo'q edi. NumPy bu yerda o'rin bo'yicha ayirib, jim xato qilgan bo'lardi.

Juftsizlarga 0 kerak bo'lsa — buni aniq aytasiz:

narx.sub(chegirma, fill_value=0)

DataFrame: ustunlar to'plami

DataFrame — bir xil index ga ega Series lar to'plami: jadval.

DataFrame anatomiyasi: index, ustun nomlari, har ustun — Series

DataFrame yasashning to'rt yo'li bor, va har biri o'z vaziyatida qulay:

lugatdan = pd.DataFrame({
    "model": ["Cobalt", "Damas", "Malibu", "Spark"],
    "yil": [2021, 2018, 2020, 2023],
    "narx_mln": [152.0, 61.5, 310.0, 98.0],
})
lugatdan

1. Lug'atdan — kalit ustun nomi, qiymat — ustun ma'lumoti. Qo'lda kichik jadval yozishning eng qulay yo'li.

yozuvlar = [
    {"model": "Gentra", "yil": 2019, "narx_mln": 128.0},
    {"model": "Onix", "yil": 2024},
]
pd.DataFrame(yozuvlar)

1. Yozuvlar ro'yxatidan — har element bitta qator. API va JSON dan keladigan ma'lumot aynan shunday ko'rinadi. Ikkinchi yozuvda narx yo'q edi — pandas xato bermadi, NaN qo'ydi.

import numpy as np

rng = np.random.default_rng(0)
pd.DataFrame(rng.integers(20, 90, size=(3, 4)), columns=["Du", "Se", "Ch", "Pa"],
             index=["Chilonzor", "Yunusobod", "Sergeli"])

1. NumPy array dan — ustun va qator nomlarini o'zingiz berasiz. 1-qismdagi savdo jadvali endi o'qilishi oson.

2. Fayldan — eng ko'p ishlatiladigan yo'l, keyingi bob to'liq shunga.

Jadvalning pasporti

df = lugatdan
print("shape:  ", df.shape)
print("columns:", df.columns.tolist())
print("index:  ", df.index)
print(df.dtypes)

shape:   (4, 3)
columns: ['model', 'yil', 'narx_mln']
index:   RangeIndex(start=0, stop=4, step=1)
model        object
yil           int64
narx_mln    float64
dtype: object

2-bobdagi NumPy pasporti bilan solishtiring: shape o'sha, lekin dtype endi har ustun uchun alohida. model — object (pandas da matn shunday ko'rinadi), yil — int64, narx_mln — float64.

Ustun olish: bitta qavs va ikkita qavs

print(type(df["model"]).__name__)
print(type(df[["model", "narx_mln"]]).__name__)
df[["model", "narx_mln"]]

Series
DataFrame

• df["model"] — bitta ustun → Series.
• df[["model", "narx_mln"]] — ustunlar ro'yxati → DataFrame. Ichki qavs — Python ro'yxati, tashqi — tanlash.

df.model (nuqta bilan) ham ishlaydi, lekin faqat nom oddiy so'z bo'lsa: df["narx mln"] kabi bo'shliqli yoki df["count"] kabi metod nomi bilan bir xil ustunni nuqta bilan olib bo'lmaydi. Kitobda doim qavs ishlatamiz.

Yangi ustun — vektor amal

df["yoshi"] = 2025 - df["yil"]
df["narx_usd"] = (df["narx_mln"] * 1e6 / 12_650).round(0)
df

Sikl yo'q: 2025 - df["yil"] 4-bobdagi broadcasting — skalyar har qatorga. Natija o'sha index bilan yangi ustun bo'lib qo'shildi.

Bir qarashda: jadval rasmda

pandas ning har bir Series va DataFrame i o'zi chiza oladi (3-qismda batafsil):

df.set_index("model")["narx_mln"].sort_values().plot(kind="barh", color="#1a73e8", title="Narx, mln so'm")
plt.show()

set_index("model") — model nomlarini index qildi, shuning uchun rasmda ular yorliq bo'lib chiqdi.

Xulosa

• pandas — nomli ustunlar, har xil turlar, qator yorliqlari; ichida NumPy.
• Series — bitta ustun (index + qiymatlar); DataFrame — umumiy index li Series lar.
• Amallar index bo'yicha moslashadi; juftsiz joy — NaN. Kerak bo'lsa fill_value.
• DataFrame: lug'atdan, yozuvlar ro'yxatidan, NumPy array dan, fayldan.
• df["a"] → Series, df[["a", "b"]] → DataFrame.

Mashqlar

1. Uchta shahar va ularning aholisi (mln) bilan Series yasang, eng kattasini toping.
2. pd.Series([1, 2, 3]) + pd.Series([10, 20, 30], index=[1, 2, 3]) natijasini taxmin qiling, keyin tekshiring.
3. df dan faqat 2020 yildan yangi mashinalarning model va narxini oling (maslahat: 3-bobdagi mask).