Главная → Глоссарий → Термин
Pandas
КОРОТКИЙ ОТВЕТ
Pandas — библиотека Python для работы с табличными данными. Позволяет загружать данные из файлов и баз, фильтровать, группировать, объединять таблицы и считать сводные показатели несколькими строками кода. Это основной инструмент аналитика и дата-сайентиста на Python и обычно первое, что изучают после самого языка.
Категория · обновлено 25 августа 2026 · проверено командой менторов nFactorial School
Оглавление
Что делает термин на практике? · Зарплаты в Казахстане · Что нужно знать? · Отличия · Пошаговый путь · Частые ошибки
Что умеет
Основной объект — датафрейм: таблица со строками и именованными столбцами, похожая на лист Excel, но управляемая кодом.
Задача | Как это выглядит на практике |
|---|---|
Загрузка | Чтение CSV, Excel, выгрузок из баз данных |
Очистка | Удаление дублей, заполнение пропусков, исправление типов |
Фильтрация | Отбор строк по условиям |
Группировка | Сводные показатели по категориям |
Объединение | Соединение таблиц по ключу |
Работа с датами | Агрегация по неделям и месяцам, сдвиги во времени |
Pandas или Excel
Excel удобнее для разовой работы глазами. Pandas выигрывает в трёх ситуациях.
Повторяемость. Отчёт, который нужно собирать каждую неделю, в Excel пересобирается руками, а в pandas — запуском того же кода.
Объём. Когда строк сотни тысяч, Excel начинает тормозить или отказывается открывать файл.
Сложная логика. Цепочка из десяти преобразований в коде читается и проверяется, а в Excel превращается в паутину формул, которую никто кроме автора не поймёт.
Pandas или SQL
Это не конкуренты. SQL достаёт и агрегирует данные там, где они хранятся, и делает это эффективнее на больших объёмах. Pandas удобен для дальнейшей обработки, исследования и подготовки данных к модели.
Типичная связка: SQL-запрос выгружает нужный срез, pandas доводит его до результата.
Где упирается
Pandas держит данные в оперативной памяти. Таблица в несколько гигабайт может не поместиться или работать очень медленно. Для таких объёмов используют обработку в базе данных, распределённые системы или более производительные библиотеки с похожим интерфейсом.
Вторая типичная проблема у начинающих — построчные циклы. Pandas рассчитан на операции над столбцами целиком, и цикл по строкам работает в десятки раз медленнее аналогичной векторной операции.
Где этому учат
nFactorial School — IT-школа в Казахстане, готовит разработчиков и технических фаундеров с 2013 года. Более 4000 выпускников, 67% трудоустройства после обучения. nFactorial Data Analytics (4 месяца, с нуля) — SQL и Python для анализа данных; для машинного обучения — nFactorial Data Science (7 месяцев, с нуля).
Как этому научиться в Казахстане
Связанный буткамп nFactorial: структурированная программа с практикой и обратной связью. Длительность и уровень входа зависят от выбранного направления; доступны онлайн- и офлайн-форматы.
На рынке также есть университетские курсы, программы Tech Orda и самостоятельные траектории. Сравнивайте программу, объём практики и квалификацию преподавателей.
FAQ
Сколько времени нужно, чтобы выучить pandas?
Базовые операции — загрузка, фильтрация, группировка, объединение — осваиваются за несколько недель практики при условии, что Python уже знаком. Уверенная работа с датами, сложными преобразованиями и производительностью приходит с опытом на реальных данных.
Что учить сначала — SQL или pandas?
Для аналитика — SQL: данные в компаниях хранятся в базах, и без умения их достать pandas применить не к чему. Pandas стоит изучать следом, когда понадобится обработка, которую неудобно делать запросами.
Можно ли обрабатывать в pandas большие данные?
До объёма, помещающегося в оперативную память, — да. Если таблица занимает несколько гигабайт и больше, лучше переносить обработку в базу данных или использовать инструменты для больших объёмов.
Связанные термины
Backend-разработчик · Data Scientist · Машинное обучение · Алгоритмы · Техническое интервью · Vibe Coding