🤖 Ask PyProf.

🗑 −

▶ שלח

⏳ ממתין...

יצירת טבלה וטעינת נתונים

נתחיל מטבלה קטנה של תכונות פיזיקליות של תרכובות: שם, נוסחה, משפחה כימית, מסה מולרית, נקודת התכה ונקודת רתיחה. אלה נתונים טבלאיים טבעיים: לכל שורה יש תרכובת אחת, וכל עמודה מתארת תכונה אחת.

Note

אפשר להוריד את קובץ הנתונים לעבודה עצמאית: compound_phase_points.csv.

יצירת DataFrame ממילון של רשימות

כאשר הנתונים קטנים מאוד, אפשר ליצור טבלה ישירות בקוד. במילון של רשימות, כל מפתח במילון הופך לשם עמודה, וכל רשימה הופכת לערכים באותה עמודה.

import pandas as pd

small_data = {
    "compound": ["water", "ethanol", "hexane"],
    "formula": ["H2O", "C2H6O", "C6H14"],
    "boiling_point_C": [100.0, 78.4, 68.7],
}

small_df = pd.DataFrame(small_data)
display(small_df)

	compound	formula	boiling_point_C
0	water	H2O	100.0
1	ethanol	C2H6O	78.4
2	hexane	C6H14	68.7

שימו לב: המספרים שמופיעים בצד שמאל הם שמות השורות. אם לא קבענו שמות בעצמנו, Pandas נותנת לשורות שמות מספריים: 0, 1, 2, וכן הלאה. אלה אינם חלק מהנתונים הכימיים עצמם.

טעינת טבלה מקובץ CSV

בפועל, לרוב לא נקליד טבלאות ידנית. נקבל קובץ נתונים ונקרא אותו לפייתון. קובץ CSV הוא קובץ טקסט שבו כל שורה היא רשומה, והערכים מופרדים בפסיקים.

data_path = "files/compound_phase_points.csv"
df = pd.read_csv(data_path)
display(df)

	compound	formula	family	molar_mass_g_mol	melting_point_C	boiling_point_C	polarity
0	water	H2O	inorganic	18.02	0.0	100.0	polar
1	methanol	CH4O	alcohol	32.04	-97.6	64.7	polar
2	ethanol	C2H6O	alcohol	46.07	-114.1	78.4	polar
3	1-propanol	C3H8O	alcohol	60.10	-126.0	97.2	polar
4	acetone	C3H6O	ketone	58.08	-94.7	56.1	polar
5	diethyl ether	C4H10O	ether	74.12	-116.3	34.6	weakly polar
6	hexane	C6H14	alkane	86.18	-95.0	68.7	nonpolar
7	heptane	C7H16	alkane	100.20	-90.6	98.4	nonpolar
8	benzene	C6H6	aromatic	78.11	5.5	80.1	nonpolar
9	toluene	C7H8	aromatic	92.14	-95.0	110.6	nonpolar
10	acetic acid	C2H4O2	carboxylic acid	60.05	16.6	118.1	polar
11	chloroform	CHCl3	halogenated	119.38	-63.5	61.2	weakly polar
12	ethane	C2H6	alkane	30.07	-182.8	-88.6	nonpolar
13	butane	C4H10	alkane	58.12	-138.3	-0.5	nonpolar
14	naphthalene	C10H8	aromatic	128.17	80.2	218.0	nonpolar
15	benzoic acid	C7H6O2	carboxylic acid	122.12	122.4	249.2	polar

המשתנה df הוא DataFrame. כל שורה מייצגת תרכובת אחת, וכל עמודה מייצגת תכונה של התרכובת.

מבט ראשון על הטבלה

לפני שמבצעים חישוב, כדאי לבדוק מה יש בטבלה. head מציגה את השורות הראשונות:

display(df.head())

	compound	formula	family	molar_mass_g_mol	melting_point_C	boiling_point_C	polarity
0	water	H2O	inorganic	18.02	0.0	100.0	polar
1	methanol	CH4O	alcohol	32.04	-97.6	64.7	polar
2	ethanol	C2H6O	alcohol	46.07	-114.1	78.4	polar
3	1-propanol	C3H8O	alcohol	60.10	-126.0	97.2	polar
4	acetone	C3H6O	ketone	58.08	-94.7	56.1	polar

המאפיין shape אומר כמה שורות וכמה עמודות יש בטבלה. התוצאה היא זוג: (number_of_rows, number_of_columns).

print(df.shape)

(16, 7)

המאפיין dtypes מציג את טיפוס הנתונים בכל עמודה. לדוגמה, עמודות מספריות יהיו לרוב float64, ועמודות טקסט כמו שם התרכובת יהיו object.

print(df.dtypes)

compound                str
formula                 str
family                  str
molar_mass_g_mol    float64
melting_point_C     float64
boiling_point_C     float64
polarity                str
dtype: object

שמות עמודות ושמות שורות

שמות העמודות נשמרים ב־df.columns, ושמות השורות נשמרים ב־df.index:

print(df.columns)
print(df.index)

Index(['compound', 'formula', 'family', 'molar_mass_g_mol', 'melting_point_C',
       'boiling_point_C', 'polarity'],
      dtype='str')
RangeIndex(start=0, stop=16, step=1)

במחברות הבאות נשתמש בשמות האלה כדי לבחור חלקים מתוך הטבלה. הרעיון המרכזי הוא פשוט: במקום לזכור שעמודה מסוימת נמצאת במקום מספר 5, אפשר לבקש את העמודה לפי השם שלה, למשל "boiling_point_C".