Pandas dla początkujących – jak analizować i filtrować dane w Pythonie?

Wprowadzenie do biblioteki Pandas

Pandas to jedna z najpopularniejszych bibliotek Pythona służąca do analizy i przetwarzania danych. Dzięki swojej prostocie oraz szerokim możliwościom, Pandas jest narzędziem wybieranym zarówno przez początkujących, jak i zaawansowanych analityków danych. Biblioteka ta pozwala w przejrzysty sposób manipulować danymi tabelarycznymi, które w Pandas przyjmują formę struktur zwanych DataFrame i Series.

Podstawową zaletą Pandas jest możliwość wygodnego przetwarzania danych pochodzących z różnych źródeł, takich jak pliki CSV, Excel, bazy danych czy dane z internetu. Umożliwia szybkie porządkowanie, filtrowanie, agregowanie oraz analizowanie dużych zbiorów danych w sposób znacznie bardziej intuicyjny niż w przypadku pracy z czystym Pythonem.

Pandas integruje się także z innymi popularnymi bibliotekami, takimi jak NumPy, Matplotlib czy Scikit-learn, co czyni ją centralnym elementem w ekosystemie narzędzi do analizy danych w Pythonie.

Najczęstsze zastosowania Pandas to:

• Wczytywanie i eksploracja danych
• Filtrowanie i selekcja informacji w zbiorach danych
• Porządkowanie i czyszczenie danych
• Grupowanie i agregowanie danych dla uzyskania statystyk
• Eksport danych do różnych formatów

Dzięki przejrzystej składni i funkcjom przypominającym działanie arkuszy kalkulacyjnych, Pandas pozwala na efektywną pracę z danymi bez potrzeby pisania dużej ilości kodu. To czyni ją idealnym narzędziem dla osób rozpoczynających swoją przygodę z analizą danych w Pythonie.

Instalacja i importowanie Pandas

Biblioteka Pandas to jedno z najważniejszych narzędzi w arsenale każdego analityka danych pracującego w Pythonie. Umożliwia wygodne przetwarzanie, analizowanie oraz filtrowanie danych w postaci tabelarycznej, a jej integracja z innymi popularnymi bibliotekami, takimi jak NumPy czy Matplotlib, czyni ją niezwykle wszechstronnym narzędziem.

Podczas szkoleń Cognity ten temat wraca regularnie – dlatego zdecydowaliśmy się go omówić również tutaj.

Aby rozpocząć pracę z Pandas, należy najpierw zainstalować bibliotekę. Najczęściej wykorzystuje się do tego menedżer pakietów pip, który pozwala szybko pobrać i zainstalować Pandas z oficjalnego repozytorium Pythona. Po zakończeniu instalacji, wystarczy zaimportować bibliotekę do swojego skryptu lub środowiska interaktywnego (np. Jupyter Notebook), aby móc korzystać z jej funkcjonalności.

Standardowa praktyka polega na importowaniu Pandas pod skrótem pd, co jest powszechnie akceptowaną konwencją w środowisku Python. Dzięki temu kod staje się bardziej czytelny i zwięzły, co ma szczególne znaczenie przy pracy z dużymi zbiorami danych.

Podsumowując, instalacja i importowanie Pandas to prosty, ale niezbędny krok, który otwiera drogę do efektywnego przetwarzania danych w Pythonie. W kolejnych etapach pracy biblioteka pozwoli na szybkie wczytywanie danych, ich filtrowanie, przekształcanie oraz analizowanie w sposób intuicyjny i wydajny.

Wczytywanie danych do DataFrame

Jednym z kluczowych zastosowań biblioteki Pandas jest możliwość łatwego wczytywania danych z różnych źródeł do struktury zwanej DataFrame. Jest to dwuwymiarowa tabela danych z nazwanymi kolumnami, która pozwala na wygodne przetwarzanie i analizę informacji.

Pandas obsługuje wiele popularnych formatów danych, w tym pliki tekstowe, arkusze kalkulacyjne oraz bazy danych. Poniżej przedstawiono najczęściej wykorzystywane metody wczytywania danych wraz z krótkim opisem:

Oto prosty przykład wczytania danych z pliku CSV:

import pandas as pd

df = pd.read_csv('przykladowe_dane.csv')
print(df.head())

Po wczytaniu danych do obiektu DataFrame możemy rozpocząć ich eksplorację i analizę. W kolejnych krokach dowiemy się, jak wybierać konkretne kolumny, filtrować wiersze czy modyfikować dane, ale już na tym etapie mamy solidne fundamenty do pracy z danymi. Jeśli chcesz rozwinąć swoje umiejętności i poznać bardziej zaawansowane techniki analizy, sprawdź Kurs Python - kompleksowa analiza danych w Pythonie z wykorzystaniem bibliotek Pandas, NumPy, Matplotlib i Scikit-Learn.

Podstawowe operacje na DataFrame: filtrowanie, wybór kolumn i wierszy

Jednym z głównych atutów biblioteki Pandas jest łatwość manipulowania i przeglądania danych w strukturze zwanej DataFrame. Aby móc skutecznie analizować dane, warto opanować podstawowe operacje takie jak wybór kolumn, wierszy oraz filtrowanie danych według określonych warunków. Poniżej przedstawiamy najważniejsze różnice i zastosowania tych technik. Na szkoleniach Cognity pokazujemy, jak poradzić sobie z tym zagadnieniem krok po kroku – poniżej przedstawiamy skrót tych metod.

Wybór kolumn

Wybieranie kolumn z DataFrame pozwala skupić się tylko na interesujących nas aspektach danych. Można to zrobić za pomocą notacji klamrowej (nazwa kolumny w nawiasach kwadratowych):

df['nazwa_kolumny']

Dla wielu kolumn używamy listy nazw:

df[['kolumna1', 'kolumna2']]

Wybór wierszy

Wiersze w Pandas można wybierać na dwa podstawowe sposoby:

• Po pozycji: używając iloc[], np. df.iloc[0] zwróci pierwszy wiersz.
• Po etykiecie indeksu: używając loc[], np. df.loc['A'], jeśli indeks zawiera etykiety tekstowe.

Filtrowanie danych

Filtrowanie polega na wydzieleniu tych wierszy, które spełniają określone warunki logiczne. Przykład:

df[df['wiek'] > 30]

Można łączyć warunki za pomocą operatorów logicznych & (i), | (lub), np.:

df[(df['wiek'] > 30) & (df['kraj'] == 'Polska')]

Porównanie technik

Znajomość tych podstawowych operacji to fundament efektywnej pracy z Pandas i przetwarzania danych w Pythonie. Umożliwiają one szybkie eksplorowanie i przygotowywanie danych do dalszej analizy.

Modyfikacja danych i operacje na kolumnach

W pracy z danymi bardzo często zachodzi potrzeba ich przekształcania – zmiany wartości, tworzenia nowych kolumn, a także usuwania lub zmiany typu danych. Biblioteka Pandas oferuje szereg intuicyjnych narzędzi, które umożliwiają te operacje w sposób prosty i czytelny.

Tworzenie i modyfikacja kolumn

Nowe kolumny w DataFrame można tworzyć na podstawie istniejących lub przypisując gotowe wartości. Modyfikacja kolumn odbywa się poprzez przypisanie nowych danych do istniejących nazw.

import pandas as pd

df = pd.DataFrame({
    'Cena netto': [100, 200, 150],
    'VAT': [0.23, 0.23, 0.08]
})

# Dodanie kolumny z ceną brutto
df['Cena brutto'] = df['Cena netto'] * (1 + df['VAT'])

Zmiana typów danych

Czasami dane wczytane z pliku mają nieprawidłowe typy, np. liczby jako tekst. Można je łatwo konwertować:

df['Cena netto'] = df['Cena netto'].astype(float)

Usuwanie kolumn i wierszy

Aby uprościć strukturę danych lub usunąć zbędne informacje, można usunąć określone kolumny lub wiersze. Służy do tego metoda drop():

# Usunięcie kolumny 'VAT'
df = df.drop('VAT', axis=1)

Przekształcanie danych w kolumnach

Typowym przypadkiem jest zastosowanie funkcji do wartości w kolumnie – np. zaokrąglanie, przekształcenie tekstu lub wykonanie operacji warunkowej:

# Zaokrąglenie cen do dwóch miejsc po przecinku
df['Cena brutto'] = df['Cena brutto'].round(2)

Porównanie typowych operacji

Modyfikacja danych to jedna z najważniejszych umiejętności w pracy z Pandas. Umożliwia dostosowanie zestawu danych do konkretnych potrzeb analizy, upraszcza raportowanie i przygotowuje dane do dalszych kroków analitycznych. Jeśli chcesz pogłębić swoją wiedzę i nauczyć się praktycznego wykorzystania Pythona w analizie danych, sprawdź Kurs Python - praktyczne wykorzystanie Pythona do analizy danych i automatyzacji.

Łączenie, grupowanie i agregacja danych

W pracy z danymi często zachodzi potrzeba łączenia wielu źródeł informacji, grupowania rekordów według określonych kryteriów oraz wyciągania z nich zagregowanych wniosków. Biblioteka Pandas dostarcza wygodne narzędzia do realizacji tych zadań, pozwalając na efektywne przekształcanie i analizowanie danych w skali zarówno mikro, jak i makro.

Łączenie danych (ang. merging i joining)

Łączenie danych polega na zestawieniu dwóch lub więcej zbiorów danych według wspólnego klucza — podobnie jak w relacyjnych bazach danych. Pandas oferuje kilka metod:

• merge() – łączy dwa DataFrame’y na podstawie wspólnej kolumny lub indeksu, z kontrolą typu złączenia (inner, outer, left, right),
• concat() – łączy dane wzdłuż osi (pionowo lub poziomo), bez dopasowywania po kluczu,
• join() – uproszczona forma merge(), działająca domyślnie na indeksach.

Przykład prostego połączenia dwóch tabel:

import pandas as pd

produkty = pd.DataFrame({
    'id': [1, 2, 3],
    'nazwa': ['Mleko', 'Chleb', 'Masło']
})
ceny = pd.DataFrame({
    'id': [1, 2, 3],
    'cena': [2.50, 3.00, 4.20]
})

wynik = pd.merge(produkty, ceny, on='id')

Grupowanie danych

Grupowanie pozwala przekształcić dane według wspólnych wartości w jednej lub kilku kolumnach — jest to fundament analizy kategorii, segmentacji oraz podsumowań.

Najczęściej używana funkcja to groupby(), która umożliwia wykonanie operacji zbiorczych na każdej z grup:

df.groupby('kategoria')['wartosc'].mean()

Powyższy zapis zwraca średnią wartość dla każdej grupy utworzonej na podstawie kolumny kategoria.

Agregacja danych

Agregacja to proces przekształcania zbiorów danych w formy bardziej zwięzłe i podsumowujące. Pandas udostępnia wiele funkcji agregujących, takich jak:

• sum() – suma wartości,
• mean() – średnia,
• count() – liczba elementów,
• min(), max() – wartości minimalne i maksymalne,
• agg() – stosowanie wielu agregacji jednocześnie.

Porównanie możliwości:

Łączenie, grupowanie i agregacja stanowią fundament analizy danych w Pandas i są niezwykle użyteczne w codziennej pracy z danymi. Te operacje pozwalają nie tylko scalać informacje z różnych źródeł, ale też wyciągać wartościowe wnioski z dużych zbiorów danych.

Podstawowe techniki wizualizacji danych z Pandas

Choć biblioteka Pandas służy głównie do manipulacji i analizy danych, oferuje również proste mechanizmy do ich wizualizacji. Dzięki wbudowanej integracji z biblioteką Matplotlib, Pandas pozwala szybko tworzyć podstawowe wykresy bez konieczności pisania dużej ilości kodu.

Wizualizacje w Pandas najczęściej wykorzystuje się do:

• Podglądu rozkładu danych – np. histogramy pozwalają zobaczyć, jak często występują określone wartości w zbiorze danych.
• Porównywania wartości – wykresy słupkowe umożliwiają porównanie danych między różnymi kategoriami.
• Śledzenia zmian w czasie – wykresy liniowe są przydatne, gdy analizujemy dane szeregów czasowych.
• Obserwacji relacji między zmiennymi – wykresy punktowe (scatter plot) pokazują zależności między dwiema kolumnami.

Tworzenie wykresów w Pandas opiera się na prostym wywołaniu metody plot() bezpośrednio na obiekcie DataFrame lub Series. To sprawia, że wizualizacja danych jest szybka i intuicyjna, co ułatwia ich interpretację i prezentację.

Podsumowanie i dalsze kroki

Biblioteka Pandas to potężne narzędzie do analizy danych w języku Python, które pozwala na łatwe i intuicyjne zarządzanie danymi tabelarycznymi. Dzięki strukturze DataFrame możliwe jest przeprowadzanie szerokiego zakresu operacji – od prostego filtrowania, przez transformacje, aż po złożone agregacje i analizy.

Pandas wyróżnia się spośród innych narzędzi do analizy danych przede wszystkim swoją przejrzystością oraz integracją z innymi popularnymi bibliotekami Pythona. Umożliwia sprawne przetwarzanie danych zarówno pochodzących z plików CSV czy Excel, jak i z baz danych czy zapytań internetowych. Jest powszechnie wykorzystywana w takich dziedzinach jak analiza biznesowa, nauka o danych, badania naukowe czy inżynieria danych.

Dzięki swojej elastyczności Pandas pozwala na szybkie przygotowanie danych do dalszej analizy, co czyni ją nieodzownym narzędziem w pracy każdego analityka czy programisty danych. Pierwsze kroki w pracy z tą biblioteką to zrozumienie jej podstawowych struktur i operacji, które stanowią fundament dla bardziej zaawansowanych zastosowań. Jeśli chcesz poznać więcej takich przykładów, zapraszamy na szkolenia Cognity, gdzie rozwijamy ten temat w praktyce.

Czy darmowe narzędzia AI są bezpieczne dla organizacji? 07 lutego 2026

Shadow AI – czym jest i dlaczego jest zagrożeniem dla organizacji? 05 lutego 2026