Ací es mostren les diferències entre la revisió seleccionada i la versió actual de la pàgina.
Ambdós costats versió prèvia Revisió prèvia Següent revisió | Revisió prèvia | ||
opendata_pandas [2023/07/04 23:06] miquel_angel_amoros [Codi integrat a la aplicació web amb Django] |
opendata_pandas [2023/07/04 23:23] (actual) miquel_angel_amoros [Per què triem Pandas ?] |
||
---|---|---|---|
Línia 18: | Línia 18: | ||
======= Per què triem Pandas ? ======= | ======= Per què triem Pandas ? ======= | ||
- | * Ens proporciona una col·lecció molt útil, inexistent a Python, el DataFrame. És una taula bidimensional que podem indexar amb la/les columna/es que més ens interessin en cada monment | + | * Ens proporciona una col·lecció molt útil, inexistent a Python, el DataFrame. És una taula bidimensional que podem indexar amb la/les columna/es que més ens interessin en cada moment |
* Pandas detecta automàticament inconsistències de tipus i contingut en les dades. Aconseguim avantatges similars als llenguatges de tipat fort (C, Java). | * Pandas detecta automàticament inconsistències de tipus i contingut en les dades. Aconseguim avantatges similars als llenguatges de tipat fort (C, Java). | ||
* Ens permet tractar grans volums de dades (superiors a 10.000 lines) amb molts mètodes per filtrar la informació. | * Ens permet tractar grans volums de dades (superiors a 10.000 lines) amb molts mètodes per filtrar la informació. | ||
Línia 24: | Línia 24: | ||
* Si organitzem les dades del Dataframe convenientment podem crear gràfics amb llibreries com Matplotlib o Seaborn, amb menys codi que si el posessim en llistes o diccionaris. | * Si organitzem les dades del Dataframe convenientment podem crear gràfics amb llibreries com Matplotlib o Seaborn, amb menys codi que si el posessim en llistes o diccionaris. | ||
* També facilita la feina si usem llibreries de Machine Learning. | * També facilita la feina si usem llibreries de Machine Learning. | ||
- | * És una molt bona alternativa al llenguatge R, amb una corba d' | ||
- | |||
======= Instal·lació llibreria Pandas ======= | ======= Instal·lació llibreria Pandas ======= | ||
Línia 47: | Línia 45: | ||
A més a més, ens interessa automatitzar les tasques. | A més a més, ens interessa automatitzar les tasques. | ||
+ | |||
+ | **Exemple codi local, arrencat en un fitxer IPYNB** | ||
El codi que mostro a continuació el podeu veure arrencat en directe a: | El codi que mostro a continuació el podeu veure arrencat en directe a: | ||
Línia 52: | Línia 52: | ||
https:// | https:// | ||
- | JuPyTeR (Julia, Python i R) Notebook és un servei que permet executar codi i llibreries Python al navegador o | + | [[https:// |
- | en qualsevol IDE, fins i tot llibreries per generar gràfics. | + | en qualsevol IDE, fins i tot llibreries per generar gràfics. |
**Pas 1. Seleccionar la font de dades.** | **Pas 1. Seleccionar la font de dades.** | ||
Línia 333: | Línia 333: | ||
<-- | <-- | ||
+ | |||
+ | Resultat final, quan arrenquem la aplicació: | ||
+ | |||
+ | Si heu canviat el model, primer executeu: | ||
+ | |||
+ | < | ||
+ | (env) nomusuari@linux: | ||
+ | (env) nomusuari@linux: | ||
+ | </ | ||
+ | |||
+ | Per omplir les dades de l' | ||
+ | |||
+ | < | ||
+ | (env) nomusuari@linux: | ||
+ | (env) nomusuari@linux: | ||
+ | (env) nomusuari@linux: | ||
+ | </ | ||
+ | |||
+ | Si anem a veure la taula de partits podem comprovar que s'han generat correctament, | ||
+ | dels locals i visitants. | ||
+ | |||
+ | {{: | ||
+ | |||
======= Conclusions ======= | ======= Conclusions ======= | ||