pandas is een van de populairste Python-packages voor data science en dé standaardtool voor het werken met tabeldata in Python. Gelukkig kan een complete beginner binnen een paar weken pandas leren en ermee programmeren. Zo begin je.
Wat je moet weten voordat je begint
Wat is pandas?
pandas is een van de eerste Python-packages die je zou moeten leren, omdat het eenvoudig te gebruiken is, open source is en je in staat stelt met grote hoeveelheden data te werken. Het maakt snelle en efficiënte datamanipulatie mogelijk, evenals data-aggregatie en pivotten, flexibele functionaliteit voor tijdreeksen en meer.
pandas heeft veel dezelfde functionaliteit als SQL of Excel en kan verschillende gegevensformaten inlezen—van CSV- en tekstbestanden tot Microsoft Excel-bestanden, SQL-databases en meer. Het extra voordeel is dat je ze kunt omzetten naar een DataFrame-object, dat simpelweg kolommen en rijen voorstelt die lijken op tabeldata in Excel—maar dan in Python.
De pandas DataFrame in actie
Hoe past pandas in het PyData-ecosysteem?
Bij het analyseren van data met Python wordt pandas vaak gebruikt in combinatie met andere packages en tools. Deze variëren van machine learning-packages voor het doen van voorspellingen op data zoals scikit-learn, datavisualisatie-packages zoals Matplotlib en seaborn, en tools zoals Jupyter Notebooks voor het maken en delen van rapporten met code, visualisaties en tekst. Al deze tools vormen samen wat meestal het PyData-ecosysteem wordt genoemd. Maar je hoeft niet al deze tools tegelijk te leren—begin met focussen op pandas.
Zes stappen voor je pandas-leertraject
1) Leer de basis van Python-syntaxis
pandas is een package voor Python, dus je moet de basis van de Python-syntaxis goed beheersen voordat je met pandas aan de slag gaat. Het is heel makkelijk om te verzanden in syntaxis, omdat introductiecursussen leren vaak saai maken door zich puur op Python-syntaxis te richten.
Als vuistregel: besteed zo weinig mogelijk tijd aan syntaxis en leer net genoeg om met eenvoudige taken in pandas te beginnen. Hier is een lijst met pure Python-bronnen om met de basis te starten:
- A Practical Introduction to Python 3
- De hoofdzelfstudie van Python
- DataCamp’s Introduction to Python
2) Richt je Python-omgeving in
Voordat je met pandas werkt, moet je een Python-omgeving op je machine hebben ingericht. Zo kun je je nieuwe skills toepassen en met pandas experimenteren op je eigen data.
Om je Python-omgeving voor data science in te richten, raad ik aan een Anaconda-distributie te installeren om gemakkelijk pandas samen met relevante data science-packages en tools zoals Jupyter Notebooks te installeren.
Voor een introductie over het instellen van je Python-omgeving met Anaconda, bekijk mijn hands-on training voor een stapsgewijze tutorial. Je kunt ook beginnersgidsen volgen voor het installeren van Anaconda op Windows en Mac OS X.
3) Leer door te doen
Bij DataCamp geloven we dat leren door te doen de beste manier is om programmeervaardigheden te leren en toe te passen. Je pandas-skills toepassen met begeleide projecten helpt je uit je comfortzone te komen, te leren debuggen en documentatie te lezen, en vertrouwen op te bouwen in het werken met echte data.
Vaardig worden in pandas betekent dat je weet hoe je data van verschillende typen importeert en exporteert, data manipuleert en hervormt, pivot en aggregeert, eenvoudige inzichten uit DataFrames afleidt, en meer. Hier is een lijst met bronnen die deze onderwerpen en meer behandelen, met eenvoudig te implementeren pandas-code in de vorm van begeleide projecten:
- De pandas-website biedt een hoop tutorials om met het package te beginnen. Belangrijker nog: er zijn veel community-tutorials om nieuwe gebruikers op weg te helpen.
- Pandas Cookbook is een uitstekend boek dat een coderijke, projectgerichte aanpak biedt voor werken met pandas. Het introduceert ook andere packages die vaak met pandas in het PyData-ecosysteem worden gebruikt, zoals seaborn voor datavisualisatie.
- DataCamp biedt een reeks pandas-cursussen, van beginner tot gevorderd. De cursus pandas foundations laat je zien hoe je DataFrames importeert, basis verkennende analyses uitvoert en tijdreeksen analyseert—gewoon in je browser.
4) Werk aan projecten met echte data
De pandas-skills die je hebt geleerd oefenen op data uit de echte wereld is een uitstekende manier om je vaardigheden vast te houden en ze met vertrouwen toe te passen in je dagelijkse werk.
Er zijn allerlei manieren om met je eigen project te beginnen. Als je in je dagelijkse werk met tabeldata werkt, begin dan met pandas in plaats van spreadsheetsoftware zoals Google Sheets en Microsoft Excel. Hoewel dit in het begin meer tijd kan kosten, helpt het je je pandas-vaardigheden te scherpen en te behouden, zodat je op de lange termijn sneller en vaardiger wordt.
Kaggle bevat een reeks datasets uit de praktijk en machine learning-wedstrijden. Hoewel ik je aanmoedig om machine learning te leren, is dat het meest geschikt voor meer gevorderde lerenden. Richt je in het begin dus op projecten die draaien om data-analyse en -verkenning met pandas. Dat kan door data-analyse-notebooks te schrijven op Kaggle of blogplatforms zoals Medium.
5) Beheers de kunst van het debuggen
Een van de meest onderschatte skills die elke aspirant-programmeur moet aanscherpen, is debuggen. Elke Python- en pandas-beoefenaar, ongeacht het niveau, krijgt te maken met fouten en problemen in de code. Wanneer je fouten tegenkomt in je pandas-code, staan deze bronnen tot je beschikking:
- Google is de eerste plek waar ik kijk als ik fouten in mijn code tegenkom. Bijna altijd staat het antwoord op mijn pandas-vraag in de eerste tien zoekresultaten.
- Stack Overflow is de grootste community van developers waar beoefenaars hulp kunnen zoeken bij het debuggen van code door programmeervragen te stellen en te beantwoorden. Er staan momenteel ongeveer 180.000 vragen over pandas. Als je zelf een vraag wilt posten, zorg dan dat je hun best practices voor het formuleren van vragen volgt.
- Documentatie zal altijd je vriend zijn, en de pandas-documentatie is uitgebreid. Het behandelt alle mogelijke functionaliteiten van pandas en best practices.
6) Blijf je pandas-skills uitbreiden
Blijf bouwen aan en uitbreiden van je pandas-vaardigheden. Er zijn veel bronnen die geavanceerde pandas-thema’s behandelen. Zo behandelt Ashish Kumar’s Mastering pandas technieken om je pandas-workflow te versnellen en te vereenvoudigen. Deze blogpost van Real Python bevat tips en tricks voor gevorderde gebruikers. Je kunt ook beginnen met leren hoe andere packages in het PyData-ecosysteem je pandas-mogelijkheden uitbreiden, zoals seaborn en plotly, voor het maken van interactieve plots.
Een interactieve plot gemaakt met Plotly
Een geweldige manier om je pandas-skills uit te breiden, is door terug te keren naar wat pandas-code die je aan het begin van je leertraject schreef. Probeer kansen te spotten om je code te vereenvoudigen, best practices toe te passen en andere packages in het PyData-ecosysteem te benutten.
Ik hoop dat deze blogpost je inspireert en dat deze bronnen nuttig voor je zijn. pandas beheersen is een leertraject voor het leven—waar ik zelf ook nog steeds in zit. Bij DataCamp komt pandas in ons kerncurriculum ruim aan bod, en we verbeteren en breiden onze content voortdurend uit. Tot slot nodig ik je uit om je aan te sluiten bij duizenden lerenden in de DataCamp Slack Community om support te krijgen op je pandas-reis!
Adel Nehme is Data Science Evangelist bij DataCamp. Eerder was hij Content Developer, waar hij samenwerkte met instructeurs aan een reeks Python-cursussen en onze cursus Cleaning Data in Python creëerde.
