এগুলি উভয়ই অত্যন্ত সাদৃশ্যপূর্ণ বলে মনে হয় এবং আর্থিক ডেটা বিশ্লেষণের জন্য কোন প্যাকেজটি আরও উপকারী হবে তা সম্পর্কে আমি আগ্রহী।
এগুলি উভয়ই অত্যন্ত সাদৃশ্যপূর্ণ বলে মনে হয় এবং আর্থিক ডেটা বিশ্লেষণের জন্য কোন প্যাকেজটি আরও উপকারী হবে তা সম্পর্কে আমি আগ্রহী।
উত্তর:
পান্ডাস নুমপির উপরে নির্মিত উচ্চ স্তরের ডেটা ম্যানিপুলেশন সরঞ্জাম সরবরাহ করে। নিজেই NumPy একটি মোটামুটি নিম্ন-স্তরের সরঞ্জাম, যা ম্যাটল্যাবের মতো। অন্যদিকে পান্ডাস সমৃদ্ধ সময় সিরিজের কার্যকারিতা, ডেটা প্রান্তিককরণ, এনএ-বান্ধব পরিসংখ্যান, গোষ্ঠীবিশেষ, একত্রীকরণ এবং যোগদানের পদ্ধতিগুলি এবং অন্যান্য প্রচুর সুযোগসুবিধা সরবরাহ করে। এটি আর্থিক অ্যাপ্লিকেশনগুলিতে সাম্প্রতিক বছরগুলিতে খুব জনপ্রিয় হয়েছে। আমার আসন্ন বইয়ের পান্ডা ব্যবহার করে আর্থিক তথ্য বিশ্লেষণে নিবেদিত একটি অধ্যায় থাকবে have
NA-friendly statisticsআপনার উত্তরে উল্লিখিত আপনি কী বোঝাতে চাইছেন ।
পান্ডাদের দ্বারা নম্পি প্রয়োজন (এবং পাইথনের জন্য কার্যত সমস্ত সংখ্যার সরঞ্জাম দ্বারা)। পান্ডার জন্য স্কিপি কঠোরভাবে প্রয়োজন হয় না তবে এটি "optionচ্ছিক নির্ভরতা" হিসাবে তালিকাভুক্ত রয়েছে। আমি বলব না যে পান্ডাস নম্পি এবং / বা স্কিপির বিকল্প। বরং এটি একটি অতিরিক্ত সরঞ্জাম যা পাইথনের সংখ্যাসূচক এবং টেবুলার ডেটা সহ আরও বেশি প্রবাহিত উপায় সরবরাহ করে। আপনি পান্ডাস ডেটা স্ট্রাকচার ব্যবহার করতে পারেন তবে এগুলিকে হেরফের করার জন্য নম্পি এবং স্কিপি ফাংশনগুলিতে অবাধে আঁকুন।
পান্ডগুলি সারণীগুলি পরিচালনা করার জন্য দুর্দান্ত উপায় সরবরাহ করে, কারণ আপনি বিনিংকে সহজ করতে পারেন ( পাইথনের পান্ডায় ডেটাফ্রেম বেনিং ) এবং পরিসংখ্যান গণনা করতে পারেন। পান্ডাসে দুর্দান্ত যে অন্য জিনিসটি হ'ল প্যানেল বর্গ যা আপনি বিভিন্ন বৈশিষ্ট্য সহ কয়েকটি স্তরগুলিতে যোগ দিতে পারেন এবং গ্রুপবাই ফাংশন ব্যবহার করে এটি একত্রিত করতে পারেন।