Pandas loc i iloc: Potpuni vodič za indeksiranje DataFrame-ova u Pythonu
Praktičan vodič kroz razlike .loc i .iloc u Pandas 2.2 — primjeri koda, česte greške, boolean maske i savjeti za brže i sigurnije indeksiranje DataFrame-ova.
Pandas Članci
Pandas vremenske serije: Vodič za rad s vremenskim podacima u Pythonu
Naučite raditi s vremenskim serijama u pandasu — od DatetimeIndex-a i resample operacija, preko rolling i expanding prozora, do detekcije anomalija. Vodič ažuriran za pandas 3.0 s primjerima koda.
Pandas Apply, Map i Lambda: Vodič za primjenu funkcija na podatke
Naučite kako koristiti pandas apply(), map() i lambda funkcije za prilagođene transformacije podataka. Vodič pokriva razlike između metoda, praktične primjere, performanse i pipe() ulančavanje — ažurirano za pandas 3.x.
Pandas Pivot Table i Melt: Praktični vodič za preoblikovanje podataka
Naučite preoblikovati podatke u pandasu pomoću pivot(), pivot_table(), melt(), stack() i unstack(). Praktični vodič s primjerima radnog koda za pandas 3.0, od širokog do dugog formata i obrnuto.
Pandas Merge, Join i Concat: Vodič za spajanje DataFrame-ova u Pythonu
Naučite kako spajati DataFrame-ove u pandasu koristeći merge(), join(), concat() i merge_asof(). Vodič pokriva sve tipove JOIN-ova, novi anti join u pandas 3.0, česte greške i praktične savjete za optimizaciju.
Pandas GroupBy: Potpuni vodič za grupiranje i agregaciju podataka u Pythonu
Naučite kako koristiti pandas GroupBy za grupiranje i agregaciju podataka u Pythonu. Vodič pokriva agg(), transform(), apply(), NamedAgg, optimizaciju performansi i novosti u pandas 3.0 s praktičnim primjerima.
Čišćenje podataka s pandas bibliotekom: Praktični vodič za Python programere
Praktični vodič za čišćenje podataka s pandas bibliotekom u Pythonu. Od rukovanja NaN vrijednostima i duplikatima do otkrivanja outliera, transformacije tipova i izgradnje automatiziranih pipeline-a. Uključuje novosti iz pandas 2.x i 3.0.