# 4.3 pandas आणि NumPy चा संबंध

Source: https://ravindrabagale.com/mr/datascience/ch04-numpy-essentials/4-3-why-pandas-sits-on-numpy.html
Language: mr (Marathi with English technical terms)

pandas Series मधून .to_numpy() वापरून array मिळवता येतो:

import pandas as pd
s = pd.Series([9, 12, 11, 14, 18], name="delivery_mins")
arr = s.to_numpy()
print(type(arr), arr.mean())

या course मध्ये बहुतेक analysis थेट pandas मध्ये होईल. पण matrix गणित हवं असेल किंवा performance तपासायचा असेल तर आतल्या array चा विचार उपयोगी पडतो.

Practice

काल्पनिक delivery minutes [9, 12, 11, 14, 18, 10, 8, 13] यांचा NumPy array करा. Minimum, maximum, mean आणि 12 minutes पेक्षा कमी वेळाच्या trips ची संख्या print करा. शेवटच्यासाठी (mins < 12).sum() हा vectorised comparison वापरा.

Recap

np.array, shape, dtype, vectorised * आणि .sum() हे basics आहेत.

Amounts आणि measures साठी numeric dtype वापरा.

pandas च्या अनेक operations मागे NumPy arrays असतात.

आता DataFrame आणि Series पाहूया.

रवींद्र बागले यांची tip

Comparison मुळे True/False array मिळतो. त्याची sum घेतली की True असलेल्या positions मोजल्या जातात.