PANDAS KUTUBXONASI YORDAMIDA JADVALLI MA’LUMOTLARNI QAYTA ISHLASH USULLARI

Аннотация

В данной статье рассматриваются основные методы работы с табличными данными с использованием одной из самых популярных библиотек Python — Pandas. Обсуждаются объекты DataFrame и Series, загрузка данных, очистка, фильтрация, группировка, статистический анализ и визуализация. Практические примеры показывают широкое применение Pandas в науке и промышленности. КЛЮЧЕВЫЕ СЛОВА: Pandas, Python, DataFrame, таблица, анализ данных, визуализация, обработка данных KIRISH. So‘nggi yillarda raqamli axborotlarning keskin ortishi bilan birga, ma’lumotlar bilan samarali ishlash zaruriyati ham oshib bormoqda. Ayniqsa, jadval https://scientific-jl.com 2 2 0 64-son_1-to’plam_Iyun-2025 ISSN:3030- 3 6 1 3 T A D Q I Q O T L A R jahon ilmiy – metodik jurnali ko‘rinishidagi ma’lumotlar (CSV, Excel, SQL, JSON) bugungi kundagi ilmiy izlanishlar, iqtisodiy tahlillar va sun’iy intellekt loyihalarining ajralmas qismiga aylangan. Bu borada Python dasturlash tilining Pandas kutubxonasi eng qulay va kuchli vosita sifatida ajralib turadi. Pandas 2008-yilda Wes McKinney tomonidan ishlab chiqilgan bo‘lib, hozirda butun dunyo bo‘yicha millionlab dasturchilar, tahlilchilar va olimlar tomonidan qo‘llaniladi. Maqolaning maqsadi — Pandas kutubxonasining imkoniyatlarini amaliy misollar yordamida chuqur tahlil qilish va uni o‘rganishga ilmiy asos yaratish. Pandas kutubxonasi statistik tahlil, ma’lumotlarni oldindan qayta ishlash (preprocessing), vaqtli qatorlar (time series), moliyaviy hisobotlar va boshqa ko‘plab tarmoqlarda keng qo‘llaniladi. Uning asosiy ustunliklaridan biri — NumPy kutubxonasiga tayanib, vektorlashtirilgan hisob-kitoblarni amalga oshirishi bo‘lib, bu esa katta hajmdagi ma’lumotlar ustida tez va samarali amallarni bajarishga imkon beradi. Bundan tashqari, Pandas open-source (ochiq kodli) bo‘lgani sababli uni o‘rganish, takomillashtirish va kengaytirish imkoniyati mavjud. Ilmiy tadqiqotlar va sanoatdagi amaliyotlar shuni ko‘rsatmoqdaki, Pandas quyidagi sohalarda asosiy vositalardan biri sifatida foydalaniladi: Bioinformatika: Genom ma’lumotlarini tahlil qilish, DNK ketma-ketliklarini CSV formatida boshqarish; Iqtisodiy va moliyaviy modellashtirish: Aktsiyalar bahosi, valyuta kurslari, obligatsiyalar rentabelligi va statistik o‘zgarishlarni vaqt bo‘yicha kuzatish; Sun’iy intellekt va mashinaviy o‘qitish (Machine Learning): ML modellari uchun ma’lumotlarni tozalash, kodlash va tayyorlash (sklearn, TensorFlow bilan birga); Ijtimoiy tarmoqlar tahlili: Twitter, Facebook, Telegram kabi platformalardan olingan JSON va CSV ma’lumotlarini strukturaviy ko‘rinishda qayta ishlash; Sog‘liqni saqlash sohasida: Elektron tibbiy yozuvlar (EMR), bemorlar kartotekasi va diagnostik ma’lumotlarni tahlil qilish. Pandas kutubxonasining ilmiy ustunligi nafaqat uning funksional imkoniyatlarida, balki u orqali ma’lumotlar hayotiy siklini to‘liq boshqarish imkoniyatida ham namoyon bo‘ladi. Bu sikl quyidagi bosqichlarni o‘z ichiga oladi: Ma’lumotlarni yuklash (Data Ingestion) – CSV, Excel, SQL, JSON, Parquet kabi formatlar; Tozalash va moslashtirish (Data Cleaning) – bo‘sh (NaN) qiymatlarni to‘ldirish yoki olib tashlash; Transformatsiya (Transformation) – yangi ustunlar yaratish, indekslash, normalizatsiya qilish; Tahlil (Exploratory Data Analysis) – statistik ko‘rsatkichlar, guruhlash, pivot-jadvallar; Vizualizatsiya (Visualization) – matplotlib, seaborn, plotly bilan integratsiya; Modelga uzatish (Model Input) – sklearn, xgboost, keras kutubxonalariga tayyor formatda eksport qilish. Shuningdek, Pandas yordamida real vaqtli ma’lumotlar oqimi bilan ishlash (streaming data) va katta hajmdagi fayllarni parcha-parcha qilib o‘qish imkoniyati ham https://scientific-jl.com 2 2 1 64-son_1-to’plam_Iyun-2025 ISSN:3030- 3 6 1 3 T A D Q I Q O T L A R jahon ilmiy – metodik jurnali mavjud. Misol uchun, chunksize parametri orqali bir necha gigabaytli CSV fayllarni bosqichma-bosqich o‘qish va qayta ishlash mumkin. Ilmiy maqolalarda ma’lumotlarni sifatli va chuqur tahlil qilishda Pandas orqali data wrangling (ma’lumotni tartiblash va to‘g‘rilash) texnikalari juda muhim ahamiyat kasb etadi. Ayniqsa, eksperimentlar va tadqiqot natijalari ko‘p ustunli, murakkab tuzilmali bo‘lsa, Pandas bunday ma’lumotlarni modellashtirish, qiyoslash va xulosalashda qulay imkoniyatlar taqdim etadi. Shunday qilib, Pandas nafaqat dasturchilar balki statistiklar, iqtisodchilar, biologlar, shuningdek, ijtimoiy fanlar vakillari uchun ham zarur vositaga aylanmoqda. Uning boy API imkoniyatlari, soddaligi va kengaytiriluvchanligi zamonaviy ilm-fan va texnologiya rivojida muhim o‘rin egallaydi. Pandas'ning asosiy tushunchalari Pandas ikkita asosiy ma’lumot strukturasi bilan ishlaydi: Tushuncha Tavsif Series Bitta o‘lchovli, indekslangan ma’lumotlar ketma-ketligi DataFrame Ikki o‘lchovli, ustun va satrlardan iborat jadval import pandas as pd s = pd.Series([10, 20, 30])print(s) df = pd.DataFrame({ 'Ism': ['Ali', 'Vali', 'Gulbahor'], 'Yosh': [25, 30, 22] })print(df) Ma’lumotlarni yuklash Pandas turli forma