possiamo eseguire l'operazione di data science qui sotto

possiamo fare la pulizia dei dati con questa libreria Python

possiamo fare il preprocessing dei dati e molto altro. Recensione raccolta e ospitata su G2.com.

Questo richiede un po' più di memoria per elaborare i dati di massa che dovrebbero essere ottimizzati. Dovrebbe essere compatibile con le versioni. Recensione raccolta e ospitata su G2.com.

- Facilità d'uso: posso semplicemente leggere un file digitando read_excel('name.xlsx') e questo è tutto.

- Capacità di gestire tutti i tipi di dati per ogni tipo di esigenza. Hai dati multi-indicizzati e vuoi ordinarli in modo gerarchico? Nessun problema, pandas ha una soluzione per questo, proprio come per tutto ciò che fai.

- È basato su NumPy quindi funziona in modo molto efficiente grazie al background vettorializzato, il che è molto prezioso quando si lavora con grandi quantità di dati.

- È anche basato su Matplotlib, il che rende la visualizzazione molto conveniente. Posso semplicemente scrivere df['data'].hist() per tracciare un istogramma o df['data'].plot() per un grafico a linee o df['data'].plot(kind = 'bar') per un grafico a barre, senza dover gestire molti parametri. Recensione raccolta e ospitata su G2.com.

Per quanto sia fantastico avere matplotlib in background di pandas, alcune funzionalità di matplotlib non sono esattamente disponibili in pandas, quindi dobbiamo usare matplotlib invece. Sarebbe bello poter utilizzare tutte le funzionalità di matplotlib. Recensione raccolta e ospitata su G2.com.

Pandas è facile da usare, può gestire dati tabulari in modo efficiente e molto veloce. Recensione raccolta e ospitata su G2.com.

sono operazioni in memoria quindi richiedono più memoria e necessitano di una configurazione elevata per le operazioni Recensione raccolta e ospitata su G2.com.

È fantastico come ci siano così tante librerie che l'utente può utilizzare per una manipolazione efficace dei dati. Ottimo per l'uso aziendale! Recensione raccolta e ospitata su G2.com.

Non c'è nulla in particolare che non mi piace dello strumento. Recensione raccolta e ospitata su G2.com.

Pandas usato con Python è estremamente intuitivo, facile da usare, robusto, gestire i data-frame è semplice, le funzionalità di suddivisione e filtraggio dei dati sono interessanti, può supportare un numero piuttosto elevato di righe, molto facile da imparare con un gran numero di esempi disponibili online. Recensione raccolta e ospitata su G2.com.

- Panda gestisce solo risultati che possono entrare nella memoria, il che può essere una limitazione a volte.

- Anche se la documentazione è ampiamente disponibile, è scarsa.

- Bassa performance e lungo tempo di esecuzione quando si lavora con set di dati molto grandi. Recensione raccolta e ospitata su G2.com.

Pandas è di gran lunga una delle migliori librerie open source di Python per la manipolazione e l'analisi dei dati. La struttura dati di Pandas si chiama Dataframe. Sono veramente innamorato del Dataframe. È davvero facile, la visualizzazione dei dati è fantastica, i data frame sono davvero veloci nelle prestazioni e molte altre caratteristiche sorprendenti. Recensione raccolta e ospitata su G2.com.

Sono un grande fan dei Pandas, non c'è nulla che non mi piaccia di loro. Recensione raccolta e ospitata su G2.com.

Sono letteralmente innamorato di Pandas, proprio come amo gli animali panda. Pandas fornisce un'eccellente struttura dati (dataframe) per la manipolazione, l'analisi e la pulizia dei dati. Supporta dati in qualsiasi formato e ce li presenta in una struttura simile a una tabella. Con il Dataframe puoi manipolare i dati come vuoi. Anche la rappresentazione grafica dei dati diventa più semplice, applicare alcune statistiche sui dati come media, deviazione standard ecc. è solo una riga di codice. Convertire il dataframe in csv, excel, json è super facile. Rende la vita molto, molto più facile per gli sviluppatori di Machine Learning e Data Science. Recensione raccolta e ospitata su G2.com.

Onestamente, adoro i panda, non c'è nulla che non mi piaccia di loro. È solo che per dati più piccoli potresti voler usare una lista o un dizionario Python. Recensione raccolta e ospitata su G2.com.

Facilità d'uso nell'implementazione di pandas all'interno di Python. Preferisco usarlo nel pacchetto Anaconda. Recensione raccolta e ospitata su G2.com.

Ci vuole un po' di tempo per abituarsi alla sintassi e la documentazione online è un po' carente. Recensione raccolta e ospitata su G2.com.

È il miglior pacchetto disponibile in Python per leggere file CSV, EXCEL o altri file. Offre opzioni ricche per manipolare i tuoi dati. Recensione raccolta e ospitata su G2.com.

La visualizzazione dei dati può essere migliorata nella nuova versione di pandas. Recensione raccolta e ospitata su G2.com.

Python Pandas è adatto per molteplici compiti di modifica e manipolazione dei dati diversi Recensione raccolta e ospitata su G2.com.

Ci sono un gran numero di opzioni diverse che a volte devono essere definite. Recensione raccolta e ospitata su G2.com.