TODO

Book TODO

Zrobić rozpiskę, które funkcje zwracają np.array a które robią inplace
poprawić przykłady z pd.DataFrame.fill(), bfill oraz ffill
df.read_csv('filename.csv', chunksize=5) # five rows at a time, przydatne gdy czytasz plik np. 20GB
for df in df.read_csv('filename.csv', chunksize=5): print(df)
df[~...] # ~ - zaprzeczenie warunku
df.loc[df['col'].str.contains('a|b', regex=True, flags=re.I)]
ROC Curve - stosunek True Positive do False Positive
pd.to_datetime(df['Timestamp Column'], unit='s')
df.resample('d') # d - day; m - minute; to taki groupby dla indeksów dat
df.assign(column_name = lambda x: ...)
df['column'].shift(-1) # previous column
pd.explode()
series.describe() - inaczej się zachowuje dla indeksów numerycznych a inaczej dla timeseries; describe ignores NaN values
series.describe(percentiles)
grouping by multiple series
series.isnull()
series.isnull().any()
series.dropna()
series.groupby([]) and Series.unstack()
new_series = series / series
series.describe()
pd.to_datetime()
df.index = pd.to_datetime(df['timestamp'])
ax = df.plot()
ax.axhline(df['temperature'].median(), color='r', linestyle=“-“)
df.index.viewDf.groupby(df.index.date).count()
df.groupby(df.index.week).count()
series.isin()
df[(df.index.hour > 12) & (df.index.hour <= 12)][„temperature”].plot()
data report by day "D" or "5T" - 5 minute intervals;
df.resample("D").max().head()dr[„temperature”].resample(“D”).agg([“min”, “max”]).plot()