Python data frame techniques for beginners ##Feed9

 

Hello everyone, 

Let's continue with data frame techniques using pandas in python.

 

Let's consider the example of Student marks discussed previously.

If you have not visited the part1 of data frame techniques please go through this link

https://spacewidget.blogspot.com/2021/09/python-pandas-data-frame-techniques-for.html

import pandas as pd                                                                                                                          data=pd.read_excel(r'F:\Python\Student_Marks.xlsx')                                                                    
df=pd.DataFrame(data)                                                                                                                   
df                                                                                                                                                      

     Output:

    Here df is the data frame variable.

1. To get the information of the data frame

    Syntax:

dataframevariable.info()

    df.info()                                                                                                                              

    Output:

    It returns the summary of the data frame that includes the number of rows in the data (entries) with their index range, number of columns, the datatype of each column, and memory usage.

2. To get the number of rows and columns of the data frame

    a)Syntax:

dataframevariable.shape

    df.shape                                                                                                                                

    It returns the number of rows and columns in the data frame. The first element in the result indicates the number of rows, and the second element indicates the number of columns in the data frame.

    Output:

        (9, 5)

    Here 9 indicates the number of rows, and 5 indicates the number of columns in the data frame.

    b) Accessing the first element in df.shape --> Rows in data frame

    df.shape[0]                                                                                                                           

     Output:

         9

    c) Accessing the second element in df.shape --> Columns in data frame

     df.shape[1]                                                                                                                           

     Output:

        5

    d) Number of rows in the data frame can also be obtained using len()

       len(df)                                                                                                                                  

      Output:   

            9                                                                                                 

     e) Number of columns in the data frame can also be obtained using len()

       len(df.columns)                                                                                                                   

        Output:  

             5                                                                                                            

3. To get the total number of elements in the data frame

    Syntax:

      dataframevariable.size

    df.size                                                                                                                                 

   Output:

         45

 Number of elements= Number of rows *Number of columns

Here we have 9 rows and 5 columns, so the size of a data frame is 9*5=45. Therefore the data frame has 45 elements.

4. To access a particular column in the data frame

    Syntax:

                                      dataframevariable['column name']                                                  

     Ex:

    Accessing the Maths marks of all the students

    df['Maths']                                                                                                                            

    Output:

5. To access two or more columns in the data frame

    Syntax:

                                      dataframevariable[['column name1','column name2']]                                             

     Ex:

    Accessing the Maths and English marks of all the students

    df[['Maths','English']]                                                                                                           

    Output:

6. To get the unique values of  a column in the data frame

    Syntax:

    dataframevariable['column name'].unique()   

     unique() returns all the unique values in the specified column. That means it does not show the repeated values in that column.

Ex: Finding the unique values in Maths marks

    df['Maths'].unique()                                                                                                            

    Output:

            array([52, 80, 65, 94, 36, 96, 72], dtype=int64)

In Maths marks column 52 and 94 was repeated two times (Check the data frame at the start of the page), as unique() returns only unique values, these values were not repeated again in the result.

7. To get the number of unique elements in the column of the data frame

    Syntax:

                            dataframevariable['column name'].nunique()

Ex: Finding the unique number of elements in the Maths marks column  

    df['Maths'].nunique()                                                                                                             

    Output:

         7

 Here we have 7 unique values and those values were  [52, 80, 65, 94, 36, 96, 72] which was given by df['Maths'].unique()

8. To get the total number of elements in the column of the data frame

    Syntax:

                             dataframevariable['column name'].count()

Ex: Finding the total number of elements in the Maths marks column  

    df['Maths'].count()                                                                                                                

    Output:

         9

9. To get the values and its frequency of occurrence of a column in  the data frame

    Syntax:

                     dataframevariable['column name'].value_counts()

Ex: Finding the frequency of observation of values in the Maths marks column  

    df['Maths'].value_counts()                                                                                                    

    Output:

 

As we discussed above the values 94 and 52 were repeated two times and all the other values occurred only once in the Maths marks column.

10. To get the statistics of a particular column in the data frame

a) Finding the minimum value in a column of a data frame

 Syntax:

                                 dataframevariable['column name'].min()

Ex: Finding the minimum marks obtained in Maths subject 

    df['Maths'].min()                                                                                                                 

    Output:

        36

b) Finding the maximum value in a column of a data frame

 Syntax:

                                 dataframevariable['column name'].max()

Ex: Finding the maximum marks obtained in Social subject 

    df['Social'].max()                                                                                                                  

    Output:

        98

c) Finding the average value in a column of a data frame

 Syntax:

                                 dataframevariable['column name'].mean()

Ex: Finding the average marks obtained in Science subject 

    df['Science'].mean()                                                                                                             

    Output:

        59.888888888888886

d) Finding the standard deviation of  a column  in the data frame

 Syntax:

                                 dataframevariable['column name'].std()

Ex: Finding the standard deviation of  marks obtained in Maths subject 

    df['Maths'].std()                                                                                                                   

    Output:

        21.643577440997237

Hope this was helpful for beginners on how to start analyzing the data. Keep going...