Рад са табелама¶

Представљање табеларно задатих података помоћу листи¶

Најчешћи начин да организујемо велике количине података је да их представимо табелом. Рецимо, ова табела садржи податке о једној групи деце (при чему је, наравно, старост изражена у годинама, тежина у килограмима, а висина у центиметрима):

Да бисмо могли машински да обрађујемо и анализирамо податке прво их морамо представити у облику неке структуре података. Један једноставан начин да се то уради је да сваки ред табеле представимо једном листом и да потом све те листе запакујемо у једну велику листу, рецимо овако:

podaci = [["Ana",     "ž", 13, 46, 160],
          ["Bojan",   "m", 14, 52, 165],
          ["Vlada",   "m", 13, 47, 157],
          ["Gordana", "ž", 15, 54, 165],
          ["Dejan",   "m", 15, 56, 163],
          ["Đorđe",   "m", 13, 45, 159],
          ["Elena",   "ž", 14, 49, 161],
          ["Žaklina", "ž", 15, 52, 164],
          ["Zoran",   "m", 15, 57, 167],
          ["Ivana",   "ž", 13, 45, 158],
          ["Jasna",   "ž", 14, 51, 162]]

Из овако представљених података лако можемо добити податке о сваком појединачном детету у групи. Рецимо, податке о Дејану добијамо тако што испишемо елемент листе са индексом 4.

podaci[4]

['Dejan', 'm', 15, 56, 163]

Овај начин представљања података, међутим, није погодан за обраде по колонама. Рецимо, ако желимо да израчунамо просечну висину деце у групи, морамо да пишемо програм. То није немогуће, чак није ни тешко, али је непрактично. Ево програма:

sum = 0                # početna vrednost sume je 0
for dete in podaci:    # za svaki red u tabeli
    sum += dete[4]     # uzimamo vrednost sa indeksom 4 (visina) i dodajemo je na sumu
sum/len(podaci)        # sumu na kraju delimo sa brojem redova tabele

161.9090909090909

Програм ради на следећи начин:

• прво помоћну променљиву sum поставимо на нулу (у њој ће се полако акумулирати збир висина све деце у групи),

• након тога циклус for dete in podaci: прође кроз свако дете у групи (јер сваки елемент листе podaci представља податке о једном детету) и на суму дода његову висину (висина детета се налази на петом месту у групи података за то дете, а то је елемент листе са индексом 4),

• коначно, добијени збир поделимо бројем података да бисмо израчунали просек.

Као што смо већ рекли, ово није нарочито тешко, али је непрактично. Треба нам флексибилнија структура података.

Библиотека pandas, структура података DataFrame и рад са колонама табеле¶

Препоручујемо да примере из ове лекције покренеш на свом рачунару тако што ћеш у пакету фајлова за вежбу покренути Џупитер свеску 07_tabele.ipynb, или тако што ћеш отићи на овај линк и тамо радити задатке. За детаљније инструкције погледај поглавље Фајлови за вежбу и коришћење Џупитер окружења.

За ефикасно манипулисање табеларно представљеним подацима у Пајтону развијена је библиотека pandas. Њу можемо увести као што смо увозили и остале библиотеке (и уз пут ћемо јој дати надимак да бисмо мање морали да куцамо):

import pandas as pd

Из ове библиотеке ћемо користити структуру података која се зове DataFrame (енгл. data значи „подаци“, frame значи „оквир“, тако да DataFrame значи „оквир са подацима“, односно „табела“).

Податке о деци сада лако можемо да препакујемо у DataFrame позивом функције са истим именом:

tabela = pd.DataFrame(podaci)

Претходна команда није дала никакав излаз. Она је просто препаковала податке наведене у листи podaci у нову структуру података. Да бисмо се уверили да се ради само о препакивању, исписаћемо садржај променљиве tabela:

tabela

Ево и кратког видеа:

Да би табела била прегледнија, даћемо колонама називе. овако:

tabela = pd.DataFrame(podaci)                               # tabelu iz formata liste pretvaramo u DataFrame
tabela.columns=["Ime", "Pol", "Starost", "Masa", "Visina"]  # kolonama u tabeli pridružujemo nazive
tabela

Када свака колона има своје име, можемо да приступимо појединачним колонама:

tabela["Ime"]

0         Ana
1       Bojan
2       Vlada
3     Gordana
4       Dejan
5       Đorđe
6       Elena
7     Žaklina
8       Zoran
9       Ivana
10      Jasna
Name: Ime, dtype: object

tabela["Visina"]

0     160
1     165
2     157
3     165
4     163
5     159
6     161
7     164
8     167
9     158
10    162
Name: Visina, dtype: int64

Имена свих колона су увек доступна у облику листе овако:

tabela.columns

Index(['Ime', 'Pol', 'Starost', 'Masa', 'Visina'], dtype='object')

Позивом једне од следећих функција лако можемо да вршимо елементарну анализу података који су представљени табелом:

• .sum() – рачуна збир елемената у колони (сума),

• .mean() – рачуна средњу вредност елемената у колони,

• .median() – рачуна медијану елемената у колони,

• .min() – рачуна најмању вредност у колони (минимум),

• .max() – рачуна највећу вредност у колони (максимум).

На пример, висина најнижег детета у групи је:

tabela["Visina"].min()

157

Најстарије дете у групи има оволико година:

tabela["Starost"].max()

15

Средња вредност висине деце у групи је:

tabela["Visina"].mean()

161.9090909090909

Медијална висина:

tabela["Visina"].median()

162.0

Да ли цела група може да стане у лифт чија носивост је 600 кг?

if tabela["Masa"].sum() <= 600:
    print("Mogu svi da stanu u lift.")
else:
    print("Ne. Zajedno su preteški.")

Mogu svi da stanu u lift.