Forwarded from PyMagic
Разбираем Pandas по шагам 🐼
Начнем мы с того, что же такое Pandas. Pandas - это библиотека для обработки данных для задач в области Data Science. При помощи нее очень легко и быстро производить различные действия над табличными данными, в том числе и визуализировать.
😓Для тех, кто только знакомиться с данной библиотекой, может возникнуть ряд сложностей, так как методов в pandas довольно много и не всегда есть понимание, что происходит на самом деле, так как при запуске кода в ячейке jupyter, вы увидите только конечный результат.
Сегодня хочу поделиться с вами бесплатным инструментом Pandas Tutor. Он позволяет понять, что же происходит внутри, когда вы, например, делаете группировку, сортировку и другие виды операций над данными при помощи Pandas, а также визуализирует каждый из этапов по шагам.
Давайте посмотрим как выглядит результат с одним и тем же кодом, когда группируем данные в Jupyter и в Pandas Tutor, смотри картинки выше 👆
https://pandastutor.com/vis.html
Начнем мы с того, что же такое Pandas. Pandas - это библиотека для обработки данных для задач в области Data Science. При помощи нее очень легко и быстро производить различные действия над табличными данными, в том числе и визуализировать.
😓Для тех, кто только знакомиться с данной библиотекой, может возникнуть ряд сложностей, так как методов в pandas довольно много и не всегда есть понимание, что происходит на самом деле, так как при запуске кода в ячейке jupyter, вы увидите только конечный результат.
Сегодня хочу поделиться с вами бесплатным инструментом Pandas Tutor. Он позволяет понять, что же происходит внутри, когда вы, например, делаете группировку, сортировку и другие виды операций над данными при помощи Pandas, а также визуализирует каждый из этапов по шагам.
Давайте посмотрим как выглядит результат с одним и тем же кодом, когда группируем данные в Jupyter и в Pandas Tutor, смотри картинки выше 👆
https://pandastutor.com/vis.html
👍3
How to produce beautiful, well formatted Excel reports using Python
Using Python, XlsxWriter, Excel
https://blog.devgenius.io/how-to-produce-beautiful-well-formatted-excel-reports-using-python-fd87146a1e0e
Using Python, XlsxWriter, Excel
https://blog.devgenius.io/how-to-produce-beautiful-well-formatted-excel-reports-using-python-fd87146a1e0e
Medium
How to produce beautiful, well formatted Excel reports using Python
Using Python, XlsxWriter, Excel
👍1
Forwarded from Data Engineering / Инженерия данных / Data Engineer / DWH
Как собрать платформу обработки данных «своими руками»?
@devops_dataops
https://habr.com/ru/company/itsumma/blog/679516/
@devops_dataops
https://habr.com/ru/company/itsumma/blog/679516/
Хабр
Как собрать платформу обработки данных «своими руками»?
Большое количество российских компаний столкнулись с ограничениями в области ПО. Они теперь не имеют возможности использовать многие важные инструменты для работы с данными. Но, как говорится, одна...
GitHub - PyFPDF/fpdf2: Simple PDF generation for Python
https://github.com/PyFPDF/fpdf2
https://github.com/PyFPDF/fpdf2
GitHub
GitHub - py-pdf/fpdf2: Simple PDF generation for Python
Simple PDF generation for Python. Contribute to py-pdf/fpdf2 development by creating an account on GitHub.
How to Handle Large Datasets in Python | by Leonie Monigatti | Jul, 2022 | Towards Data Science
https://towardsdatascience.com/how-to-handle-large-datasets-in-python-1f077a7e7ecf
https://towardsdatascience.com/how-to-handle-large-datasets-in-python-1f077a7e7ecf
Medium
How to Handle Large Datasets in Python
A Comparison of CSV, Pickle, Parquet, Feather, and HDF5
Подборка бесплатных Python курсов от @python_powerbi
https://telegra.ph/Podborka-besplatnyh-Python-kursov-08-01
https://telegra.ph/Podborka-besplatnyh-Python-kursov-08-01
Telegraph
Подборка бесплатных Python курсов
Подписывайтесь на мой канал https://news.1rj.ru/str/python_powerbi Youtube - Обработка и анализ данных на Python. Библиотека Pandas Урок 1. Обработка и анализ данных на Python. Знакомство с Pandas. Установка окружения Урок 2. Обработка и анализ данных на Python. Чтение…
👍1
Forwarded from Apache Superset BI
Подборка видео по разработке Custom Visualization в Apache Superset
🔹 #1. Apache Superset Building Custom Visualization Plugin-Install Superset-UI
🔹 #2. Apache Superset Building Custom Visualization Plugin-Install Yeoman & the Superset Package Generator
🔹 #3. Apache Superset Building Custom Visualization Plugin-Building Hello World Plugin
🔹 #4. Apache Superset Building Custom Visualization Plugin-Add your Plugin to Superset
@apache_superset_bi
🔹 #1. Apache Superset Building Custom Visualization Plugin-Install Superset-UI
🔹 #2. Apache Superset Building Custom Visualization Plugin-Install Yeoman & the Superset Package Generator
🔹 #3. Apache Superset Building Custom Visualization Plugin-Building Hello World Plugin
🔹 #4. Apache Superset Building Custom Visualization Plugin-Add your Plugin to Superset
@apache_superset_bi
Forwarded from Data Engineering / Инженерия данных / Data Engineer / DWH
🔥 Awesome Docker Compose samples
These samples provide a starting point for how to integrate different services using a Compose file and to manage their deployment with Docker Compose.
👉 @devops_dataops
https://github.com/docker/awesome-compose
These samples provide a starting point for how to integrate different services using a Compose file and to manage their deployment with Docker Compose.
👉 @devops_dataops
https://github.com/docker/awesome-compose
GitHub
GitHub - docker/awesome-compose: Awesome Docker Compose samples
Awesome Docker Compose samples. Contribute to docker/awesome-compose development by creating an account on GitHub.
Streamlit — The fastest way to build data apps in Python
https://github.com/streamlit/streamlit
Пример с хабра Streamlit. Поиск кратчайшего пути
https://github.com/streamlit/streamlit
Пример с хабра Streamlit. Поиск кратчайшего пути
GitHub
GitHub - streamlit/streamlit: Streamlit — A faster way to build and share data apps.
Streamlit — A faster way to build and share data apps. - streamlit/streamlit