13  Vaje: pandas

Objavljeno

23. oktober 2026

Ta beležnica spremlja poglavje o pandas. Zasnovana je kot kratek praktični sklop: najprej osvežimo osnove tabel, nato pa naredimo aplikativne analize na dejanskih podatkih iz izvornih repozitorijev.

Priporočen način dela:

from pathlib import Path

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline
plt.rcParams["figure.dpi"] = 140

DATA_DIR = Path("data/pandas")

13.1 Datoteke za vaje

V tej beležnici uporabljamo dejanske datoteke, povzete iz izvornih repozitorijev:

  • data/pandas/bikes.csv,
  • data/pandas/ljubljana2020.csv,
  • data/pandas/covid19_si.csv.

Po želji lahko pogledate tudi data/pandas/weather_2012.csv, ki ostaja uporaben dodaten primer časovne vrste.

13.2 Osnovni DataFrame

V prvi vaji ustvarimo majhno tabelo in ponovimo osnovne operacije: izbor stolpcev, filtriranje, dodajanje stolpca in grupiranje.

podatki = pd.DataFrame(
    {
        "mesto": ["Ljubljana", "Maribor", "Celje", "Koper", "Novo mesto"],
        "temperatura": [28, 30, 27, 29, 26],
        "padavine": [2.1, 0.0, 5.4, 1.2, 3.8],
        "regija": ["osrednja", "stajerska", "stajerska", "primorska", "dolenjska"],
    }
)

podatki
mesto temperatura padavine regija
0 Ljubljana 28 2.1 osrednja
1 Maribor 30 0.0 stajerska
2 Celje 27 5.4 stajerska
3 Koper 29 1.2 primorska
4 Novo mesto 26 3.8 dolenjska
print(podatki[["mesto", "temperatura"]])
print()
print(podatki[podatki["temperatura"] >= 29])
        mesto  temperatura
0   Ljubljana           28
1     Maribor           30
2       Celje           27
3       Koper           29
4  Novo mesto           26

     mesto  temperatura  padavine     regija
1  Maribor           30       0.0  stajerska
3    Koper           29       1.2  primorska
podatki["temperatura_F"] = podatki["temperatura"] * 9 / 5 + 32
podatki["oznaka"] = np.where(podatki["padavine"] > 1, "mokro", "suho")
podatki
mesto temperatura padavine regija temperatura_F oznaka
0 Ljubljana 28 2.1 osrednja 82.4 mokro
1 Maribor 30 0.0 stajerska 86.0 suho
2 Celje 27 5.4 stajerska 80.6 mokro
3 Koper 29 1.2 primorska 84.2 mokro
4 Novo mesto 26 3.8 dolenjska 78.8 mokro
povzetek = podatki.groupby("regija")[["temperatura", "padavine"]].mean()
povzetek
temperatura padavine
regija
dolenjska 26.0 3.8
osrednja 28.0 2.1
primorska 29.0 1.2
stajerska 28.5 2.7

Poskusi sam:

  • izberi samo mesta brez padavin,
  • uredi tabelo po temperaturi od najvišje do najnižje,
  • dodaj stolpec, ki pove, ali je dan vroče ali zmerno.

13.3 Branje CSV in pregled podatkov

Ta primer je neposredno navezan na izvorne pandas primere z datoteko bikes.csv.

bikes_path = DATA_DIR / "bikes.csv"
kolesarji_raw = pd.read_csv(bikes_path, encoding="latin1")
kolesarji_raw.head()
Date;Berri 1;Brébeuf (données non disponibles);Côte-Sainte-Catherine;Maisonneuve 1;Maisonneuve 2;du Parc;Pierre-Dupuy;Rachel1;St-Urbain (données non disponibles)
0 01/01/2012;35;;0;38;51;26;10;16;
1 02/01/2012;83;;1;68;153;53;6;43;
2 03/01/2012;135;;2;104;248;89;3;58;
3 04/01/2012;144;;1;116;318;111;8;61;
4 05/01/2012;197;;2;124;330;97;13;95;
kolesarji = pd.read_csv(
    bikes_path,
    sep=";",
    encoding="latin1",
    parse_dates=["Date"],
    dayfirst=True,
    index_col="Date",
)
kolesarji.head()
Berri 1 Brébeuf (données non disponibles) Côte-Sainte-Catherine Maisonneuve 1 Maisonneuve 2 du Parc Pierre-Dupuy Rachel1 St-Urbain (données non disponibles)
Date
2012-01-01 35 NaN 0 38 51 26 10 16 NaN
2012-01-02 83 NaN 1 68 153 53 6 43 NaN
2012-01-03 135 NaN 2 104 248 89 3 58 NaN
2012-01-04 144 NaN 1 116 318 111 8 61 NaN
2012-01-05 197 NaN 2 124 330 97 13 95 NaN
berri = kolesarji[["Berri 1"]].copy()
berri["dan_v_tednu"] = berri.index.dayofweek
tedenski_vzorec = berri.groupby("dan_v_tednu")[["Berri 1"]].sum()
tedenski_vzorec.index = ["pon", "tor", "sre", "čet", "pet", "sob", "ned"]
tedenski_vzorec.plot(kind="bar", legend=False, color="steelblue", figsize=(7, 4))
plt.title("Število kolesarjev po dnevih v tednu")
plt.ylabel("število")
plt.show()

tedenski_vzorec
<Figure size 980x560 with 1 Axes>
Berri 1
pon 134298
tor 135305
sre 152972
čet 160131
pet 141771
sob 101578
ned 99310

Poskusi sam:

  • izračunaj povprečje namesto vsote,
  • primerjaj Berri 1 in Maisonneuve 1,
  • ugotovi, ali so vikend vrednosti nižje od delovnih dni.

13.4 Vremenski podatki

Ta del temelji na logiki beležnice 08 pandas vreme.ipynb in uporablja dejansko datoteko ljubljana2020.csv.

vreme_path = DATA_DIR / "ljubljana2020.csv"
vreme = pd.read_csv(vreme_path, parse_dates=["valid"], index_col="valid")
vreme
station id station name povp. dnevna T [°C] višina snežne odeje [cm] trajanje sonca [h] oblačnost [%] grmenje
valid
2020-01-01 _1895 LJUBLJANA - BEŽIGRAD -0.6 0 6.7 7 ne
2020-01-02 _1895 LJUBLJANA - BEŽIGRAD -2.7 0 2.3 40 ne
2020-01-03 _1895 LJUBLJANA - BEŽIGRAD -1.0 0 4.4 73 ne
2020-01-04 _1895 LJUBLJANA - BEŽIGRAD 1.6 0 2.2 80 ne
2020-01-05 _1895 LJUBLJANA - BEŽIGRAD 0.6 0 7.9 7 ne
... ... ... ... ... ... ... ...
2020-12-16 _1895 LJUBLJANA - BEŽIGRAD 1.3 0 0.5 63 ne
2020-12-17 _1895 LJUBLJANA - BEŽIGRAD 4.5 0 1.4 63 ne
2020-12-18 _1895 LJUBLJANA - BEŽIGRAD 3.7 0 0.1 97 ne
2020-12-19 _1895 LJUBLJANA - BEŽIGRAD 4.3 0 0.0 100 ne
2020-12-20 _1895 LJUBLJANA - BEŽIGRAD 3.8 0 0.0 100 ne

355 rows × 7 columns

vreme.info()
<class 'pandas.DataFrame'>
DatetimeIndex: 355 entries, 2020-01-01 to 2020-12-20
Data columns (total 7 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   station id                355 non-null    str    
 1    station name             355 non-null    str    
 2    povp. dnevna T [°C]      355 non-null    float64
 3   višina snežne odeje [cm]  355 non-null    int64  
 4   trajanje sonca [h]        355 non-null    float64
 5   oblačnost [%]             355 non-null    int64  
 6   grmenje                   355 non-null    str    
dtypes: float64(2), int64(2), str(3)
memory usage: 22.2 KB
vreme.describe()
povp. dnevna T [°C] višina snežne odeje [cm] trajanje sonca [h] oblačnost [%]
count 355.000000 355.00000 355.000000 355.000000
mean 12.379437 0.15493 5.959155 58.650704
std 7.521453 1.35971 4.522998 30.688645
min -2.700000 0.00000 0.000000 0.000000
25% 5.600000 0.00000 1.600000 33.000000
50% 12.900000 0.00000 5.800000 63.000000
75% 18.550000 0.00000 9.750000 85.000000
max 26.700000 17.00000 14.900000 100.000000
topli_dnevi = vreme[vreme[" povp. dnevna T [°C]"] >= 8]
topli_dnevi
station id station name povp. dnevna T [°C] višina snežne odeje [cm] trajanje sonca [h] oblačnost [%] grmenje
valid
2020-01-31 _1895 LJUBLJANA - BEŽIGRAD 8.5 0 4.5 60 ne
2020-02-01 _1895 LJUBLJANA - BEŽIGRAD 9.4 0 0.0 90 ne
2020-02-02 _1895 LJUBLJANA - BEŽIGRAD 10.2 0 0.9 73 ne
2020-02-03 _1895 LJUBLJANA - BEŽIGRAD 10.7 0 0.0 93 ne
2020-02-10 _1895 LJUBLJANA - BEŽIGRAD 9.4 0 0.0 93 ne
... ... ... ... ... ... ... ...
2020-11-02 _1895 LJUBLJANA - BEŽIGRAD 13.1 0 6.3 60 ne
2020-11-03 _1895 LJUBLJANA - BEŽIGRAD 13.1 0 8.1 30 ne
2020-11-04 _1895 LJUBLJANA - BEŽIGRAD 10.7 0 0.0 97 ne
2020-11-05 _1895 LJUBLJANA - BEŽIGRAD 10.5 0 0.0 90 ne
2020-11-14 _1895 LJUBLJANA - BEŽIGRAD 8.0 0 6.0 70 ne

237 rows × 7 columns

vreme["mesec"] = vreme.index.month
vreme_po_mesecih = vreme.groupby("mesec")[[" povp. dnevna T [°C]", "trajanje sonca [h]", "oblačnost [%]"]].mean()
vreme_po_mesecih
povp. dnevna T [°C] trajanje sonca [h] oblačnost [%]
mesec
1 1.925806 4.048387 48.967742
2 6.841379 4.517241 57.758621
3 7.212903 5.619355 59.903226
4 12.960000 9.740000 36.766667
5 15.335484 6.796774 64.483871
6 19.583333 7.906667 59.966667
7 21.803226 10.525806 44.903226
8 22.219355 7.248387 54.838710
9 17.470000 6.673333 52.400000
10 11.877419 3.367742 73.000000
11 5.333333 2.866667 68.233333
12 2.215000 0.155000 94.800000
vreme[" povp. dnevna T [°C]"].plot(marker="o", figsize=(8, 4.5), title="Temperatura po datumih")
plt.ylabel("temperatura [C]")
plt.show()
<Figure size 1120x630 with 1 Axes>

Poskusi sam:

  • poišči dneve, ko je grmelo,
  • uredi tabelo po stolpcu trajanje sonca [h],
  • izriši histogram stolpca povp. dnevna T [°C].

13.5 Časovna analiza primerov okužb

Ta vaja je navdihnjena z beležnico pandas covid.ipynb in uporablja lokalno kopijo dejanskih podatkov covid19_si.csv.

covid_path = DATA_DIR / "covid19_si.csv"
covid = pd.read_csv(covid_path, parse_dates=["date"], index_col="date")
covid = covid.loc["2020-09":"2020-11", ["cases.confirmed", "cases.active", "tests.performed"]].copy()
covid.head()
cases.confirmed cases.active tests.performed
date
2020-09-01 55.0 486.0 1608.0
2020-09-02 53.0 496.0 1653.0
2020-09-03 47.0 505.0 1733.0
2020-09-04 43.0 505.0 1708.0
2020-09-05 43.0 514.0 1212.0
covid["week"] = covid.index.isocalendar().week
covid[["cases.confirmed", "week"]].head()
cases.confirmed week
date
2020-09-01 55.0 36
2020-09-02 53.0 36
2020-09-03 47.0 36
2020-09-04 43.0 36
2020-09-05 43.0 36
covid_tedensko = covid.groupby("week")[["cases.confirmed", "tests.performed"]].sum()
covid_tedensko
cases.confirmed tests.performed
week
36 266.0 8620.0
37 559.0 15482.0
38 721.0 18339.0
39 919.0 17045.0
40 1186.0 17820.0
41 2258.0 22566.0
42 4852.0 30700.0
43 10427.0 39660.0
44 12106.0 40558.0
45 9437.0 35105.0
46 9927.0 36513.0
47 10215.0 36374.0
48 10073.0 40099.0
49 1299.0 5868.0
covid_resample = covid[["cases.confirmed"]].resample("W").sum()
covid_resample
cases.confirmed
date
2020-09-06 266.0
2020-09-13 559.0
2020-09-20 721.0
2020-09-27 919.0
2020-10-04 1186.0
2020-10-11 2258.0
2020-10-18 4852.0
2020-10-25 10427.0
2020-11-01 12106.0
2020-11-08 9437.0
2020-11-15 9927.0
2020-11-22 10215.0
2020-11-29 10073.0
2020-12-06 1299.0
covid[["cases.confirmed", "cases.active"]].plot(figsize=(8, 4.5), marker="o")
plt.title("Dnevni potek primerov")
plt.ylabel("število")
plt.show()
<Figure size 1120x630 with 1 Axes>

Poskusi sam:

  • izberi samo drugi teden podatkov,
  • primerjaj groupby("week") in resample("W"),
  • izračunaj še povprečno število testov na teden.

13.6 Združevanje tabel

Na koncu sledi še en kratek primer merge(), ker bomo to logiko kmalu potrebovali tudi pri atributnih tabelah v GeoPandas.

postaje = pd.DataFrame(
    {
        "postaja": ["LJ", "MB", "KP"],
        "ime": ["Ljubljana", "Maribor", "Koper"],
    }
)

meritve = pd.DataFrame(
    {
        "postaja": ["LJ", "MB", "KP"],
        "temp_C": [11.2, 9.8, 14.5],
    }
)

pd.merge(postaje, meritve, on="postaja")
postaja ime temp_C
0 LJ Ljubljana 11.2
1 MB Maribor 9.8
2 KP Koper 14.5

13.7 Samostojni izziv

Pripravi lasten mali CSV primer z datumi in vsaj tremi stolpci. Nato:

  1. ga preberi z pd.read_csv(),
  2. nastavi datumski indeks,
  3. dodaj nov izpeljan stolpec,
  4. naredi eno groupby() analizo,
  5. izriši en graf.