Recensioni e Dettagli del Prodotto pandas python

Pandas può strutturare i nostri dati con una varietà di estensioni come il supporto per html, xlsx, CSV ecc. Con pandas, possiamo anche manipolare i nostri dati e analizzarli. Recensione raccolta e ospitata su G2.com.

Pandas deve lavorare sul loro centro di supporto perché alcuni problemi non sono risolti in nessun altro strumento, come l'errore os di pandas. Recensione raccolta e ospitata su G2.com.

- molto flessibile

-un sacco di supporto (comunità, chat, tutorial, corsi,...)

-una grande comunità a supporto dello sviluppo della libreria

-enorme quantità di progetti, aziende e persone che lo utilizzano Recensione raccolta e ospitata su G2.com.

-sintassi molto complessa, non necessaria

-molto lento, grande mancanza di prestazioni

-grandi problemi quando si utilizzano dataframes che non si adattano alla memoria

-le nuove versioni non garantiscono che il codice sviluppato con le versioni precedenti funzioni correttamente Recensione raccolta e ospitata su G2.com.

Pandas ti offre uno strumento facile da usare per filtrare, rimodellare, modificare e trasformare i tuoi dati; puoi aggiungere/eliminare e creare righe e colonne, proprio come in Excel, e supporta diversi tipi di dati. Richiede meno codice. Recensione raccolta e ospitata su G2.com.

I panda hanno una curva di apprendimento molto ripida e diventano molto complessi. Man mano che avanzi e approfondisci, diventa più difficile capire come funziona questa libreria, e anche la documentazione è scarsa. Recensione raccolta e ospitata su G2.com.

La cosa migliore dei pandas è la compatibilità con i set di dati che puoi manipolare come file excel, csv, json, puoi anche gestire liste o dataframe sqlalchemy, è molto importante questa parte dei dati con pandas se vuoi inviarli per richiamarli altrove, ad esempio una pagina web. Recensione raccolta e ospitata su G2.com.

Gli schemi finali, è difficile capirli perché se converti ad esempio un dataframe di sqlalchemy che ha già uno schema definito, pandas lo ignora completamente e mette tutto in uno, devi definirlo tu stesso e questo è un compito tedioso ma non impossibile. Recensione raccolta e ospitata su G2.com.

Trovo che pandas sia il migliore in assoluto per l'elaborazione e l'analisi dei dati. Con così tante funzioni e metodi, pandas permette di elaborare e analizzare i dati secondo le nostre esigenze. La mia parte preferita è usare groupby con la funzione lambda per ottenere un'analisi dettagliata. Recensione raccolta e ospitata su G2.com.

È difficile non apprezzare pandas quando lo usi in ogni tuo progetto e lavoro sui dati. Tuttavia, pandas non supporta l'elaborazione parallela quanto pyspark. Questo è un lato negativo, ma è comunque più che vantaggioso. Recensione raccolta e ospitata su G2.com.

Pandas è un ottimo modo per lavorare con dati tabulari. Apprezzo molto le implementazioni in C++ che permettono una manipolazione performante dei dati in Python. Ci sono anche eccellenti modi per visualizzare i dati. Recensione raccolta e ospitata su G2.com.

Trovo alcuni dei concetti di indicizzazione molto confusi. I modi di usare .loc, [colname] sono ridondanti e danno avvertimenti in alcune implementazioni. Vorrei che fosse più semplice. Recensione raccolta e ospitata su G2.com.

Utilizzando Pandas possiamo facilmente manipolare i dati come ordinare, strutturare, unire i dati, ecc. Leggere qualsiasi file come csv o altri, in quel caso Pandas è meglio che usare le funzionalità dei file. Recensione raccolta e ospitata su G2.com.

Hai molti dati in quel momento, non visibili correttamente, usa alcune funzioni e pandas non ha troppi grafici di visualizzazione, quindi usa un'altra libreria e non usarlo per dati non strutturati. Recensione raccolta e ospitata su G2.com.

Molto utile per qualsiasi tipo di pipeline di data science/machine learning. Le funzioni vettorializzate rendono molto facile l'editing delle tabelle e funziona bene con tutti i tipi di dati tabulari (csv, txt, ecc.). Recensione raccolta e ospitata su G2.com.

Può avere una curva di apprendimento molto ripida, il che significa che i nuovi utenti hanno difficoltà ad accedere all'intera gamma di funzionalità offerte. Può anche essere difficile capire esattamente cosa sta succedendo quando si raggruppa/filtra. Recensione raccolta e ospitata su G2.com.

Pandas è il miglior framework Python che probabilmente utilizzo prima del processo di Machine Learning per la pulizia dei dati e la panoramica dei dati, dove gestiamo i valori nulli, trattiamo gli outlier e creiamo i dati in modo appropriato. Recensione raccolta e ospitata su G2.com.

Non mi dispiacciono i panda perché sarà facile per noi quando facciamo il preprocessing dei dati, e usiamo alcune funzioni integrate di pandas, rendendo facile scrivere codice senza alcuna logica manuale. Recensione raccolta e ospitata su G2.com.

È molto flessibile nella gestione di grandi quantità di dati e offre un grande aiuto all'Analista/Data Scientist per eseguire le operazioni di base quotidiane che sono per lo più utilizzate nel settore. Recensione raccolta e ospitata su G2.com.

La documentazione è buona per una comprensione di base, ma se hai bisogno di approfondire, la documentazione non è così eccezionale o facile da trovare. Inoltre, per dimensioni più elevate, pandas non sarà la scelta giusta e l'analista/scienziato dei dati dovrà utilizzare altre librerie. Recensione raccolta e ospitata su G2.com.