pandas python Reseñas y Detalles del Producto

Muy útil para cualquier tipo de pipeline de ciencia de datos/aprendizaje automático. Las funciones vectorizadas facilitan mucho la edición de las tablas y funcionan bien con todo tipo de datos tabulares (csv, txt, etc.). Reseña recopilada por y alojada en G2.com.

Puede tener una curva de aprendizaje muy pronunciada, lo que significa que los nuevos usuarios tienen problemas para acceder a toda la gama de funciones ofrecidas. También puede ser difícil entender exactamente qué está sucediendo al agrupar/filtrar. Reseña recopilada por y alojada en G2.com.

Pandas es el mejor marco de Python que probablemente use antes del proceso de aprendizaje automático para la limpieza de datos y la visión general de los datos, donde manejamos valores nulos, tratamos los valores atípicos y creamos datos de manera adecuada. Reseña recopilada por y alojada en G2.com.

No me desagradan los pandas porque será fácil para nosotros cuando hagamos el preprocesamiento de datos, y usamos algunas funciones integradas de pandas, lo que facilita hacer el código sin ninguna lógica manual. Reseña recopilada por y alojada en G2.com.

Es muy flexible en el manejo de grandes datos y proporciona una gran ayuda al Analista/Científico de Datos para realizar operaciones básicas del día a día que se utilizan principalmente en la industria. Reseña recopilada por y alojada en G2.com.

La documentación es buena para una comprensión básica, pero si necesitas profundizar, la documentación no es tan buena ni fácil de encontrar. Además, para dimensiones más altas, pandas no será la elección correcta y el analista/científico de datos tendrá que usar otras bibliotecas. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta del framework de pandas para python es la facilidad de uso y su gran documentación. Actualmente, siendo pandas una extensión de numpy, tiene una de las mejores documentaciones posibles. Reseña recopilada por y alojada en G2.com.

Even with good documentation, the main problem with Python (and consequently pandas) is that they need to improve calculation efficiency. Sometimes it tends to be a bit slow. Reseña recopilada por y alojada en G2.com.

Pandas ofrece muchas características preconstruidas para modificar y jugar con datos, una de las bibliotecas más utilizadas en el ámbito de la ciencia de datos, pandas es fácil de instalar gracias a pip (el instalador de paquetes de Python). Reseña recopilada por y alojada en G2.com.

Pandas es de hecho una gran biblioteca, pero hay una curva de aprendizaje que es un problema realmente grande para los principiantes, además la documentación no está bien escrita, por lo que es difícil referirse y trabajar con la documentación oficial. Reseña recopilada por y alojada en G2.com.

La superioridad radica en la forma de usar pandas: fácil de usar.

Proporciona una gran cantidad de flexibilidad al usuario para que lo use de la manera que desee.

El soporte es fuerte y extenso. Reseña recopilada por y alojada en G2.com.

Cuando se trata de no gustar, es confuso al principio. Un principiante necesita orientación cuando quiere empezar a usar pandas. Hay una gran cantidad de recursos que en sí mismos lo hacen confuso. Sin embargo, uno puede aprender fácilmente invirtiendo tiempo y ensuciándose las manos (programando). Reseña recopilada por y alojada en G2.com.

El marco de Pandas ofrece una variedad de opciones para importar datos con una función muy simple. Pandas tiene varias funciones pequeñas con modificaciones mínimas que se pueden utilizar para manipular los datos. Reseña recopilada por y alojada en G2.com.

Los pandas deberían tener algunas buenas herramientas de visualización incluidas. Al igual que en el paquete seaborn, la biblioteca pandas también puede mejorarse e incluir opciones para gráficos coloridos y otros diagramas. Reseña recopilada por y alojada en G2.com.

Para leer archivos CSV o de Excel, generalmente uso la biblioteca pandas en Python cada vez. Además, a veces la prefiero para visualización. Una vez que leo un archivo CSV en Python, con la ayuda del dataframe de pandas, realizar un análisis estadístico es muy fácil, hay muchas funciones integradas disponibles para usar. Una sola línea de programa puede ayudarte. Reseña recopilada por y alojada en G2.com.

ya que es fácil de usar, casi todas las funciones son útiles. Reseña recopilada por y alojada en G2.com.

¡Hay un método para todo y una forma aún más eficiente de hacer lo que ya haces en Python! Esto no es solo agregar funcionalidad, sino mejorar la funcionalidad que ya tienes. Reseña recopilada por y alojada en G2.com.

¡Nada! Realmente amo Pandas, lo uso todos los días desde hace un año, y todo es tan fácil desde entonces, y mi código ha mejorado tanto en eficiencia que ¿cómo podría no gustarme Pandas? Reseña recopilada por y alojada en G2.com.

Me gusta más la integración de numpy e ipython, que es muy útil para cualquier aplicación. Me gustan los paquetes PANDA, que son útiles para el procesamiento de múltiples datos y aplicaciones de aprendizaje automático. Julia y scipy también me gustan. El marco de datos es esencial para la manipulación de datos y fácil de vincular con SQL. Da el mismo resultado en menos líneas de código en comparación con C++ y C. Reseña recopilada por y alojada en G2.com.

Los estudiantes no pueden usarlo de manera eficiente porque el cambio a panda desde el python estándar es muy difícil. La documentación menos efectiva lleva a características de la biblioteca difíciles de entender en comparación con otros paquetes. No es esencial para aplicaciones embebidas basadas en IoT. Reseña recopilada por y alojada en G2.com.