A pandas egy Python programozási nyelvhez írt szoftverkönyvtár adatkezelésre és -elemzésre, nagymértékben megkönnyiti az adatbányászat adattisztítás és adatintegráció lépéseit. Különösen adattáblák és idősorok feldolgozásához szolgáltat megfelelő adatszerkezeteket és műveleteket, táblázatos formában kezeli azokat. A táblázatoknak van fejlécük és indexük. Heterogén adatokat tárolhatunk: szöveges, számadat, igazságérték, dátum stb. Az adatok típusa egy oszlopon belül sem kell, hogy azonos legyen. Remekül együttműködik a Python gépi tanuló könyvtárával (scikit-learn) és a legelterjedtebb vizualizációs könyvtárakkal (matplotlib, seaborn). Neve a "panel data" angol kifejezésből származik (egy kifejezés olyan adathalmazokra, amelyek ugyanazon egyedre több időszakra vonatkozó megfigyeléseket tartalmaznak).
Egyéb angol nyelvű anyagok:
- A hivatalos dokumentációhoz tartozó rövid bevezető: http://pandas.pydata.org/pandas-docs/stable/10min.html
- Részletesebb bevezető: https://www.learndatasci.com/tutorials/python-pandas-tutorial-complete-introduction-for-beginners/
- Brandon Rhodes előadása, Pycon 2015: https://www.youtube.com/watch?v=5JnMutdy6Fw
- Nyissuk meg a laborhoz tartozó
.ipynbnotebook fájt. Az elméleti áttekintés után oldjuk meg a feladatokat. A laboróra végén ne felejtsük el visszamenteni a szerkesztett jegyzetfüzetet a GitHubra.