Python & Pandas - Podstawy
DataFrame, Series, indeksowanie (loc, iloc), filtrowanie boolowskie, typy danych, read_csv, describe, info, head/tail, shape, columns
1Jaka jest główna struktura danych Pandas do przechowywania danych tabelarycznych?
Jaka jest główna struktura danych Pandas do przechowywania danych tabelarycznych?
Odpowiedź
DataFrame to podstawowa struktura danych Pandas. Reprezentuje dwuwymiarową tabelę z wierszami i kolumnami, podobną do arkusza kalkulacyjnego lub tabeli SQL. Każda kolumna to Series, a każdy wiersz ma indeks. DataFrame umożliwia efektywną manipulację ustrukturyzowanymi danymi dzięki licznym wbudowanym metodom.
2Czym jest Series w Pandas?
Czym jest Series w Pandas?
Odpowiedź
Series to jednowymiarowa tablica z indeksem. Reprezentuje pojedynczą kolumnę danych w DataFrame. Każdy element ma etykietę (indeks) umożliwiającą szybki dostęp po nazwie lub pozycji. Series może przechowywać tylko jeden typ danych (int, float, string itd.), co odróżnia ją od zwykłej listy Python.
3Która funkcja Pandas odczytuje plik CSV i ładuje go do DataFrame?
Która funkcja Pandas odczytuje plik CSV i ładuje go do DataFrame?
Odpowiedź
Funkcja pd.read_csv() odczytuje plik CSV i zwraca DataFrame. Akceptuje wiele parametrów: sep dla separatora, header dla wiersza nagłówka, encoding dla kodowania pliku, dtype do wymuszania typów kolumn oraz na_values do definiowania brakujących wartości. To najczęstsza metoda importowania danych do Pandas.
Co zwraca atrybut df.shape na DataFrame?
Która metoda wyświetla pierwsze 5 wierszy DataFrame?
+17 pytań z rozmów
Inne tematy rekrutacyjne Data Analytics
Google Sheets - Podstawy
Google Sheets - Zaawansowane formuły
SQL - Podstawy
SQL - Agregacje i grupowanie
SQL - Złączenia
BigQuery - Podstawy
Data Cleaning - Czyszczenie danych
KPI i metryki biznesowe
Statystyka opisowa
Zapier i automatyzacja No-Code
Zasady wizualizacji danych
Google Sheets - Automatyczne dashboardy
SQL - Podzapytania i CTE
SQL - Window Functions
BigQuery - Funkcje zaawansowane
Data Modeling
Analiza funneli i konwersji
Analiza kohort i retencji
Google Tag Manager i tracking
API i webhooki
dbt - Podstawy
AB Testing i statystyka stosowana
Looker Studio (Google Data Studio)
Power BI - Podstawy
SQL - Zaawansowane zapytania analityczne
dbt - Funkcje zaawansowane
Power BI - DAX i zaawansowane dashboardy
Python Analytics - Zaawansowana analiza i ML
Opanuj Data Analytics na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo