DataFrame Creation

• Najprostszym rozwiązaniem jest utworzenie słownika.
• Słowniki można bezpośrednio przekształcać w ramki danych - są wspierane przez pandas
• split() rozbija ciągi tekstowe, domyślnie spacja, ale można zdefiniować własny argument, np. split(';')

data = {
    'Date': '2025-03-01 2025-03-01 2025-03-02 2025-03-02 2025-03-03 2025-03-03'.split(),
    'Product': 'Apple Banana Orange Apple Banana Orange Apple Banana Orange'.split(),
    'Sales': [50, 30, 20, 60, 40, 10, 55, 25, 15],
    'Price': [0.5, 0.2, 0.7, 0.5, 0.2, 0.7, 0.5, 0.2, 0.7],
    'Region': 'North North North South South South North North North'.split(),
    'Discount': '5% 30% 15% 10% 20% 25% 5% 30% 15%'.split()
}

• Teraz można zamienić słownika data na ramkę danych z pandas za pomocą DataFrame()
• A następnie wyczyścić dane, np.
  • zamieniając Date na rzeczywisty format daty funkcją to_datetime() i argumentem format
  • Discount zmienić z znaków tekstowych na floating metodami replace() oraz astype(float)

# Sprawdzanie, czy długości odpowiadają sobie w każdej kolumnie - ramki danych muszę mieć tyle samo wierszy w każdej z kolumn
for key, value in data.items():
    print(len(value))
    
# i utworzenie ramki danych pandas
df = pd.DataFrame(data)
 
 
# funkcja to_datetime() konwertuje tekst na datę po dostarceniu odpowiedniego foramtu daty
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')
 
# najpierw metoda replace() do usunięcia procentów, następnie astype(float) do zmiany foramtu
df['Discount'] = df['Discount'].replace('%', '', regex=True).astype(float) / 100