वे दोनों समान रूप से समान लगते हैं और मैं उत्सुक हूं कि वित्तीय डेटा विश्लेषण के लिए कौन सा पैकेज अधिक फायदेमंद होगा।
वे दोनों समान रूप से समान लगते हैं और मैं उत्सुक हूं कि वित्तीय डेटा विश्लेषण के लिए कौन सा पैकेज अधिक फायदेमंद होगा।
जवाबों:
पंडों को न्यूमपी के शीर्ष पर निर्मित उच्च स्तरीय डेटा हेरफेर उपकरण प्रदान करता है। MATPAB के समान ही NumPy अपने आप में एक निम्न स्तर का उपकरण है। दूसरी ओर पांडा समृद्ध समय श्रृंखला कार्यक्षमता, डेटा संरेखण, एनए-अनुकूल आंकड़े, समूह, विलय और विधियों में शामिल होने, और बहुत सारी अन्य सुविधाएं प्रदान करते हैं। यह हाल के वर्षों में वित्तीय अनुप्रयोगों में बहुत लोकप्रिय हो गया है। मेरे पास मेरी आगामी पुस्तक में पांडा के उपयोग से वित्तीय डेटा विश्लेषण के लिए एक अध्याय होगा।
NA-friendly statistics, अपने जवाब में उल्लेख किया है।
नंदी की आवश्यकता पंडों द्वारा होती है (और पायथन के लिए लगभग सभी संख्यात्मक उपकरण)। पांडा के लिए पपड़ी की सख्त आवश्यकता नहीं है, लेकिन इसे "वैकल्पिक निर्भरता" के रूप में सूचीबद्ध किया गया है। मैं यह नहीं कहूंगा कि पांडा Numpy और / या Scipy के लिए एक विकल्प है। बल्कि, यह एक अतिरिक्त उपकरण है जो पायथन में संख्यात्मक और सारणीबद्ध डेटा के साथ काम करने का अधिक सुव्यवस्थित तरीका प्रदान करता है। आप पंडों की डेटा संरचनाओं का उपयोग कर सकते हैं, लेकिन उन्हें हेरफेर करने के लिए स्वतंत्र रूप से Numpy और Scipy फ़ंक्शन पर आकर्षित करते हैं।
पंडों ने तालिकाओं में हेरफेर करने का एक शानदार तरीका पेश किया, क्योंकि आप बिनिंग को आसान बना सकते हैं ( पायथन में पंडों में एक डेटाफ्रेम को कम करना ) और आंकड़ों की गणना करना। पंडों में एक और चीज जो महान है वह है पैनल क्लास जिसे आप विभिन्न गुणों के साथ परतों की श्रृंखला में शामिल कर सकते हैं और ग्रुपबी फ़ंक्शन का उपयोग करके इसे जोड़ सकते हैं।