Телеграм канал «Постоянный репозиторий по Python»

Любая работа с данными начинается с того, что их нужно загрузить в Python. Чаще всего данные хранятся в виде CSV, Excel, SQL-таблиц или даже JSON. Pandas делает этот процесс максимально простым и удобным. Для CSV используется функция pd.read_csv(). Достаточно указать путь к файлу, и данные сразу превращаются в DataFrame. Например: import pandas as pd df = pd.read_csv("data.csv") print(df.head()) Если нужно прочитать Excel, используется pd.read_excel(). Причём можно выбирать конкретный лист в файле: df = pd.read_excel("data.xlsx", sheet_name="Лист1") Работа с базами данных тоже поддерживается: pd.read_sql() позволяет загружать таблицы или результаты SQL-запросов прямо в DataFrame. Для этого нужно подключение к базе (например, через библиотеку sqlite3 или SQLAlchemy). После анализа часто возникает обратная задача – сохранить результат. Здесь всё так же просто: df.to_csv("result.csv", index=False) # сохранение в CSV df.to_excel("result.xlsx", index=False) # сохранение в Excel Аргумент index=False указывает, что индекс DataFrame не нужно записывать в файл. Это удобно, когда индекс не несёт смысловой нагрузки и может запутать при дальнейшем использовании данных. Таким образом, загрузка и сохранение данных в pandas занимает всего одну строчку кода. Именно поэтому библиотека так популярна у аналитиков: она позволяет быстро подключаться к данным в разных форматах и не тратить время на рутину.

В анализе данных часто нужно превратить числа в удобные категории. Например, из возраста сделать группы «дети», «молодые» и «взрослые», а из зарплат – интервалы «низкий доход», «средний» и «высокий». Это помогает проще строить графики, сводные таблицы и готовить данные для моделей. В pandas для этого есть два основных инструмента. 📌 pd.cut() Этот метод делит данные на интервалы. Можно задать количество интервалов, и pandas разобьёт значения автоматически, либо вручную указать границы. import pandas as pd ages = [5, 17, 25, 37, 45, 60] cats = pd.cut(ages, bins=[0, 18, 35, 60], labels=["дети", "молодые", "взрослые"]) print(cats) Результат: ['дети', 'дети', 'молодые', 'молодые', 'взрослые', 'взрослые'] 📌 pd.qcut() В отличие от cut, здесь деление идёт по квантилям. Это значит, что в каждой категории окажется примерно одинаковое количество наблюдений. Очень удобно, когда распределение данных неравномерное. data = [10, 20, 30, 40, 50, 100] cats = pd.qcut(data, q=3) print(cats) Данные делятся на 3 категории с равным числом элементов в каждой. Таким образом, cut полезен, когда у вас есть заранее заданные границы или нужно контролировать интервалы вручную. А qcut лучше использовать, если важно, чтобы группы были сбалансированы по количеству данных. Оба метода делают работу с данными более наглядной и удобной.