JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
110
110
PANDAS KUTUBXONASI YORDAMIDA JADVAL
KO'RINISHIDAGI MA'LUMOTLAR BILAN ISHLASH
Tojimamatov Israil Nurmamatovich
Farg’ona davlat unversiteti katta oʻqituvchisi
Ibragimov Shavkat Ma`mirovich
Farg’ona davlat unversiteti v.b.dotsentu
shavkat70@bk.ru
Xusanova Mohiraxon Alisher qizi
Farg’ona davlat unversiteti talabasi
Annotatsiya:
Ushbu maqola Python dasturlash tilidagi Pandas kutubxonasi va
uning jadval ko‘rinishidagi ma‘lumotlar bilan ishlashdagi imkoniyatlariga
bag‘ishlangan. Maqolada Pandasning asosiy xususiyatlari, ma‘lumotlarni
import/eksport qilish, tozalash, guruhlash va tahlil qilish kabi funksiyalari ko‘rib
chiqiladi. Shuningdek, amaliy misollar orqali kutubxonaning qo‘llanilishi va
afzalliklari tahlil qilinadi. Pandas ma‘lumotlar tahlilchilari uchun muhim vosita sifatida
ta’kidlanadi.
Kalit so'zlar:
Pandas, Python, ma‘lumotlar tahlili, DataFrame, Series,
ma‘lumotlarni tozalash, guruhlash, statistik tahlil, ma‘lumotlar manipulyatsiyasi.
Аннотация:
Статья
посвящена
библиотеке
Pandas
в
языке
программирования Python и её возможностям для работы с табличными
данными. Рассматриваются ключевые особенности Pandas, включая
импорт/экспорт данных, очистку, группировку и анализ данных. Практические
примеры демонстрируют применение библиотеки, а также её преимущества и
ограничения. Pandas подчёркивается как важный инструмент для аналитиков
данных.
Ключевые слова
: Pandas, Python, анализ данных, DataFrame, Series, очистка
данных, группировка, статистический анализ, манипуляция данными.
Annotation:
This article explores the Pandas library in Python and its capabilities
for handling tabular data. It covers the core features of Pandas, including data
import/export, cleaning, grouping, and analysis. Practical examples illustrate the
library’s applications, alongside its advantages and limitations. Pandas is highlighted
as an essential tool for data analysts.
Keywords:
Pandas, Python, data analysis, DataFrame, Series, data cleaning,
grouping, statistical analysis, data manipulation.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
111
111
Zamonaviy dunyoda ma‘lumotlar tahlili va boshqaruvi har qanday sohada
muvaffaqiyat kaliti sifatida e’tirof etilmoqda. Moliyaviy tahlildan tortib, sog‘liqni
saqlash, marketing va ilmiy tadqiqotlargacha bo‘lgan sohalarda katta hajmdagi
ma‘lumotlarni samarali boshqarish va undan foydali xulosalar chiqarish zarurati tobora
ortib bormoqda. Python dasturlash tili ushbu ehtiyojlarni qondirish uchun eng mashhur
vositalardan biri sifatida tan olinadi va uning Pandas kutubxonasi ma‘lumotlar bilan
ishlashda yetakchi o‘rinni egallaydi. Pandas, 2008-yilda Wes McKinney tomonidan
ishlab chiqilgan ochiq manbali kutubxona sifatida, jadval ko‘rinishidagi ma‘lumotlarni
manipulyatsiya qilish va tahlil qilishni soddalashtiradi, bu esa uni ma‘lumotlar
olimlari, tahlilchilar va dasturchilar uchun ajralmas vositaga aylantiradi.
Pandasning asosiy afzalligi uning moslashuvchanligi va foydalanuvchilar uchun
qulay interfeysidadir. U DataFrame va Series kabi ma‘lumot tuzilmalari orqali Excel
jadvallari yoki SQL bazalariga o‘xshash tuzilmalarni boshqarish imkonini beradi.
DataFrame ikki o‘lchamli jadval sifatida ishlaydi, unda ma‘lumotlar ustunlar va
qatorlar shaklida joylashadi, Series esa bir o‘lchamli ma‘lumotlar ro‘yxati sifatida
xizmat qiladi. Ushbu tuzilmalar yordamida foydalanuvchilar katta hajmdagi
ma‘lumotlarni osonlik bilan import qilish, tozalash, guruhlash, birlashtirish va tahlil
qilish kabi murakkab operatsiyalarni bajarishi mumkin. Masalan, CSV, Excel yoki
JSON kabi turli formatdagi fayllarni o‘qish va ularga yozish Pandasning oddiy
funksiyalari orqali amalga oshiriladi.
Pandas nafaqat ma‘lumotlar bilan ishlashni osonlashtiradi, balki boshqa Python
kutubxonalari, masalan, NumPy, Matplotlib va Seaborn bilan muammosiz
integratsiyalashadi. Bu esa ma‘lumotlarni vizualizatsiya qilish va statistik tahlilni
yanada samarali qiladi. Masalan, Pandas yordamida ma‘lumotlarni guruhlab, o‘rtacha
qiymatlarni hisoblash va grafiklar chizish bir necha qator kod bilan amalga oshirilishi
mumkin. Shu bilan birga, Pandasning moslashuvchanligi uni kichik loyihalardan
tortib, katta korporativ ma‘lumotlar bazalariga qadar turli sohalarda qo‘llash imkonini
beradi.
Ushbu maqola Pandas kutubxonasining asosiy imkoniyatlarini, jumladan,
ma‘lumotlarni import/eksport qilish, tozalash, guruhlash va tahlil qilish jarayonlarini
amaliy misollar orqali yoritadi. Shuningdek, Pandasning afzalliklari va cheklovlari
tahlil qilinadi, bu esa o‘quvchilarga uning qo‘llanilishi va imkoniyatlarini to‘liq
tushunishga yordam beradi. Maqola ma‘lumotlar tahlili bilan shug‘ullanuvchilar uchun
foydali qo‘llanma sifatida xizmat qiladi va Pandasni o‘rganishni boshlamoqchi
bo‘lganlar uchun mustahkam asos yaratadi.
Pandasning ma‘lumot tuzilmalari
Pandas Python dasturlash tilida ma‘lumotlar tahlili uchun ochiq manbali
kutubxona bo‘lib, ikki asosiy ma‘lumot tuzilmasiga asoslanadi:
Series
va
DataFrame
.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
112
112
Bu tuzilmalar ma‘lumotlarni samarali saqlash, manipulyatsiya qilish va tahlil qilish
uchun optimallashtirilgan bo‘lib, ilmiy tadqiqotlarda keng qo‘llaniladi.
Series
Series bir o‘lchamli ma‘lumot tuzilmasi bo‘lib, har bir element indeks bilan
bog‘langan. U NumPy massivlariga asoslanadi, lekin moslashuvchan indekslash va
ma‘lumotlar turi bilan ishlash imkoniyatlarini kengaytiradi. Series ma‘lumotlarni
vektor shaklida saqlaydi va matematik operatsiyalarni vektorlashtirilgan tarzda
bajarishga imkon beradi. Masalan, ilmiy tadqiqotlarda bir o‘lchovli ma‘lumotlar,
masalan, harorat o‘lchovlari yoki tajriba natijalari, Series sifatida tahlil qilinishi
mumkin. Series yordamida ma‘lumotlarni filtrlashtirish, tartiblash va statistik hisob-
kitoblarni amalga oshirish mumkin. Bu tuzilma xotirada samarali ishlaydi va kichik
hajmdagi ma‘lumotlar to‘plamlari uchun idealdir.
DataFrame
DataFrame ikki o‘lchamli ma‘lumot tuzilmasi bo‘lib, ustunlar va qatorlardan
iborat jadval shaklida ma‘lumotlarni saqlaydi. Har bir ustun alohida Series sifatida
ishlaydi, lekin ular umumiy indeks orqali bog‘lanadi. DataFrame (m x n) matritsa
sifatida tasvirlanadi, bu yerda m – qatorlar soni, n – ustunlar soni. Ilmiy tadqiqotlarda
DataFrame turli parametrlarni, masalan, tajriba shartlari, o‘lchov natijalari va kategorik
ma‘lumotlarni birlashtirish uchun ishlatiladi. DataFrame moslashuvchan indekslash
imkoniyatlari, masalan, satr va ustun nomlari orqali ma‘lumotlarga kirishni
ta’minlaydi, bu esa katta ma‘lumotlar to‘plamlari bilan ishlashda qulaylik yaratadi.
Ma‘lumotlarni import va eksport qilish
Pandas ma‘lumotlarni turli formatlarda o‘qish va ularga yozish uchun keng
imkoniyatlar taqdim etadi, bu ilmiy tadqiqotlarda ma‘lumotlarni integratsiya qilish
uchun muhimdir. Quyida asosiy formatlar va ularning xususiyatlari keltiriladi:
CSV fayllari
CSV (Comma-Separated Values) fayllari ma‘lumotlar tahlilida eng keng
tarqalgan format bo‘lib, oddiy matnli fayllar sifatida saqlanadi. Pandas CSV fayllarni
o‘qish orqali ma‘lumotlarni DataFrame shaklida yuklaydi, bu jarayon tezkor va
xotirada samarali amalga oshiriladi. CSV fayllarga yozishda indekslar va ustun
sarlavhalari sozlanishi mumkin, bu esa ma‘lumotlarni boshqa ilmiy dasturlarga eksport
qilishda qulaylik yaratadi.
Excel fayllari
Excel fayllari ilmiy tadqiqotlarda keng qo‘llaniladi, chunki ular ko‘p varaqli
jadvallar va formatlangan ma‘lumotlarni saqlash imkonini beradi. Pandas Excel
fayllarni o‘qish va ularga yozishni qo‘llab-quvvatlaydi, bu jarayon qo‘shimcha
kutubxonalar (masalan, openpyxl) yordamida amalga oshiriladi. Excel fayllari orqali
ma‘lumotlar tahlil natijalarini boshqa tadqiqotchilar bilan almashish mumkin.
JSON va SQL
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
113
113
JSON formatidagi fayllar tuzilgan ma‘lumotlarni saqlash uchun ishlatiladi va
Pandas ularni DataFrame sifatida o‘qish imkonini beradi. SQL ma‘lumotlar bazalari
bilan ishlashda Pandas ma‘lumotlarni so‘rovlar orqali o‘qish va yozishni ta’minlaydi,
bu katta hajmdagi ilmiy ma‘lumotlarni boshqarishda muhimdir. SQL ulanishlari
ma‘lumotlar bazasidagi jadvallarni to‘g‘ridan-to‘g‘ri DataFrame sifatida import qilish
imkonini beradi.
Ma‘lumotlarni tozalash
Ilmiy tadqiqotlarda ma‘lumotlarni tozalash ma‘lumotlar sifatini ta’minlash uchun
muhim bosqichdir. Pandas bu jarayonni soddalashtiradi.
Bo‘sh qiymatlarni boshqarish
Bo‘sh qiymatlar (NaN) ilmiy ma‘lumotlarda ko‘pincha o‘lchov xatolari yoki
ma‘lumotlarning to‘liq emasligi tufayli paydo bo‘ladi. Pandas bo‘sh qiymatlarni
aniqlash, ularni o‘rtacha, median yoki boshqa qiymatlar bilan to‘ldirish yoki butunlay
o‘chirish imkonini beradi. Masalan, o‘rtacha qiymat bilan to‘ldirish tajriba
natijalarining barqarorligini ta’minlaydi.
Takroriy ma‘lumotlarni o‘chirish
Takroriy ma‘lumotlar ilmiy tahlilda xato xulosalarga olib kelishi mumkin. Pandas
takroriy qatorlarni aniqlash va o‘chirish funksiyalarini taqdim etadi, bu
ma‘lumotlarning yaxlitligini ta’minlaydi.
Ma‘lumotlarni filtrlash
Filtrlash ma‘lumotlarni shartlar asosida tanlash imkonini beradi, masalan,
muayyan diapazondagi qiymatlarni yoki kategorik ma‘lumotlarni ajratib olish. Bu
ilmiy tadqiqotlarda, masalan, tajriba shartlariga mos kelmaydigan ma‘lumotlarni
chiqarib tashlashda foydalidir.
Ma‘lumotlarni guruhlash va birlashtirish
Pandas ma‘lumotlarni guruhlash va birlashtirishda ilmiy tahlil uchun muhim
vositalarni taqdim etadi.
Guruhlash
Guruhlash ma‘lumotlarni kategoriyalar bo‘yicha tahlil qilish imkonini beradi.
Masalan, ilmiy tadqiqotda turli tajriba guruhlari bo‘yicha o‘rtacha natijalarni hisoblash
mumkin. Pandas guruhlash jarayonini samarali amalga oshiradi, bu esa ko‘p darajali
tahlillarni qo‘llab-quvvatlaydi.
Birlashtirish
Birlashtirish bir nechta ma‘lumotlar to‘plamlarini umumiy kalitlar orqali
birlashtirish imkonini beradi. Masalan, turli tajribalardan olingan ma‘lumotlarni
umumiy parametrlar bo‘yicha birlashtirish ilmiy tahlilda keng tarqalgan.
Statistik tahlil
Pandas ilmiy tadqiqotlarda statistik tahlil uchun keng imkoniyatlar taqdim etadi.
U o‘rtacha, median, dispersiya, standart og‘ish kabi asosiy statistik ko‘rsatkichlarni
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
114
114
hisoblash imkonini beradi. Shuningdek, korrelyatsiya tahlili orqali parametrlar
o‘rtasidagi bog‘liqlikni aniqlash mumkin. Bu funksiyalar tajriba natijalarini tahlil
qilishda muhim ahamiyatga ega.
Ma‘lumotlarni transformatsiya qilish
Ma‘lumotlarni transformatsiya qilish ilmiy tadqiqotlarda ma‘lumotlarni
moslashtirish yoki yangi ko‘rsatkichlar yaratish uchun ishlatiladi. Pandas
ma‘lumotlarni qayta shakllantirish, yangi ustunlar qo‘shish va qiymatlarni o‘zgartirish
imkonini beradi. Masalan, tajriba natijalarini normalizatsiya qilish yoki kategorik
ma‘lumotlarni kodlash kabi jarayonlar amalga oshiriladi.
Ma‘lumotlarni vizualizatsiya qilish
Pandas ilmiy tadqiqotlarda ma‘lumotlarni vizualizatsiya qilish uchun Matplotlib
va Seaborn kabi kutubxonalar bilan integratsiyalashadi. Quyida ikki chizma misoli
tasvirlanadi:
1-chizma: chiziqli grafik
Pandasning texnik jihatlari
Pandas ma‘lumotlar tahlilida samarali bo‘lsa-da, ilmiy tadqiqotlarda ba‘zi
cheklovlarga ega:
1.
Xotira sarfi
: Katta ma‘lumotlar to‘plamlari bilan ishlashda xotira sarfi
yuqori bo‘lishi mumkin. Bu muammoni minimallashtirish uchun kategorik ma‘lumot
turlari yoki ma‘lumotlarni qismlarga bo‘lib ishlash usullari qo‘llaniladi.
2.
Tezlik
: Pandas bir yadroli hisoblashga asoslangan bo‘lib, katta
ma‘lumotlar to‘plamlari bilan ishlashda sekinlashishi mumkin. Bu muammoni Dask
yoki Vaex kabi kutubxonalar orqali hal qilish mumkin.
3.
Ma‘lumot turlari
: Pandas ma‘lumot turlarini aniq belgilash orqali xotira
sarfini optimallashtirish imkonini beradi, masalan, float64 o‘rniga float32 ishlatish.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
115
115
Pandas ilmiy tadqiqotlarda ma‘lumotlar tahlilining muhim vositasi bo‘lib, Series
va DataFrame tuzilmalari orqali ma‘lumotlarni saqlash, tozalash, guruhlash,
transformatsiya
qilish
va
vizualizatsiya
qilish
imkonini
beradi.
Uning
moslashuvchanligi va turli formatlar bilan ishlash qobiliyati uni tajriba natijalarini
tahlil qilishda samarali qiladi. Vizualizatsiya vositalari, masalan, chiziqli grafiklar va
gistogrammalar, ma‘lumotlarni tushunarli shaklda taqdim etishga yordam beradi.
Pandasning cheklovlari, masalan, xotira sarfi va tezlik, optimallashtirish usullari orqali
minimallashtirilishi mumkin.
Xulosa
Pandas Python dasturlash tilidagi ochiq manbali kutubxona bo‘lib, ilmiy
tadqiqotlar va ma‘lumotlar tahlilida jadval ko‘rinishidagi ma‘lumotlarni samarali
boshqarish va tahlil qilish uchun muhim vosita hisoblanadi. Ushbu kutubxona 2008-
yilda Wes McKinney tomonidan ishlab chiqilgan bo‘lib, bugungi kunda ma‘lumotlar
olimlari, tahlilchilar va dasturchilar orasida keng qo‘llaniladi. Pandasning asosiy
afzalligi uning moslashuvchanligi va foydalanuvchilar uchun qulay interfeysidadir, bu
esa uni katta hajmdagi ma‘lumotlarni tahlil qilishda ajralmas qiladi. Maqola davomida
Pandasning asosiy xususiyatlari, ilmiy tadqiqotlardagi ahamiyati, afzalliklari va
cheklovlari, shuningdek, vizualizatsiya imkoniyatlari chuqur yoritildi. Ushbu xulosa
Pandasning ma‘lumotlar tahlilidagi o‘rnini umumlashtiradi va uning ilmiy sohada
qo‘llanilishini ta’kidlaydi.
Pandasning asosiy ma‘lumot tuzilmalari
Series
va
DataFrame
ma‘lumotlarni
samarali saqlash va manipulyatsiya qilish imkonini beradi. Series bir o‘lchamli tuzilma
bo‘lib, har bir element indeks bilan bog‘langan bo‘lsa, DataFrame ikki o‘lchamli jadval
shaklida ma‘lumotlarni saqlaydi, unda ustunlar va qatorlar orqali katta hajmdagi
ma‘lumotlarni tahlil qilish mumkin. Bu tuzilmalar ilmiy tadqiqotlarda, masalan, tajriba
natijalarini saqlash, o‘lchovlarni guruhlash yoki parametrlar o‘rtasidagi bog‘liqlikni
aniqlashda keng qo‘llaniladi. Series va DataFrame’ning moslashuvchan indekslash
tizimi ma‘lumotlarga tezkor kirishni ta’minlaydi, bu esa katta ma‘lumotlar to‘plamlari
bilan ishlashda samaradorlikni oshiradi.
Pandas ma‘lumotlarni turli formatlarda import va eksport qilish imkonini beradi,
bu ilmiy tadqiqotlarda ma‘lumotlarni integratsiya qilish uchun muhimdir. CSV fayllari
oddiy matnli format sifatida ma‘lumotlarni saqlashda keng tarqalgan bo‘lib, Pandas
ularni tezkor o‘qish va yozish imkonini beradi. Excel fayllari ko‘p varaqli jadvallar va
formatlangan ma‘lumotlarni saqlash uchun qulay, ayniqsa ilmiy jamoalar o‘rtasida
ma‘lumotlarni almashishda foydalidir. JSON formatidagi fayllar tuzilgan
ma‘lumotlarni tahlil qilishda ishlatiladi, SQL ma‘lumotlar bazalari esa katta hajmdagi
ma‘lumotlarni boshqarishda muhim o‘rin tutadi. Pandasning bu formatlar bilan ishlash
qobiliyati ilmiy tadqiqotchilarga turli manbalardan ma‘lumotlarni birlashtirish va tahlil
qilish imkonini beradi.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
116
116
Ma‘lumotlarni tozalash ilmiy tadqiqotlarda ma‘lumotlar sifatini ta’minlashning
muhim bosqichidir. Pandas bo‘sh qiymatlarni aniqlash, to‘ldirish yoki o‘chirish,
takroriy ma‘lumotlarni bartaraf etish va shartlar asosida filtrlashtirish kabi
funksiyalarni taqdim etadi. Masalan, tajriba natijalaridagi bo‘sh qiymatlar o‘rtacha
yoki median qiymatlar bilan to‘ldirilishi mumkin, bu esa tahlilning aniqligini oshiradi.
Takroriy ma‘lumotlarning o‘chirilishi xato xulosalarni oldini olishga yordam beradi,
filtrlashtirish esa faqat kerakli ma‘lumotlarni tanlash imkonini beradi. Bu jarayonlar
ilmiy tadqiqotlarda ma‘lumotlarning yaxlitligini ta’minlaydi va natijalarni ishonchli
qiladi.
Pandas ma‘lumotlarni guruhlash va birlashtirishda keng imkoniyatlar taqdim
etadi. Guruhlash funksiyasi ma‘lumotlarni kategoriyalar bo‘yicha tahlil qilish imkonini
beradi, masalan, turli tajriba shartlari bo‘yicha o‘rtacha natijalarni hisoblash.
Birlashtirish esa bir nechta ma‘lumotlar to‘plamlarini umumiy kalitlar orqali
birlashtirishga yordam beradi, bu ilmiy tadqiqotlarda turli manbalardan olingan
ma‘lumotlarni birlashtirishda muhimdir. Statistik tahlil vositalari, masalan, o‘rtacha,
median, dispersiya va korrelyatsiya koeffitsientlarini hisoblash, tajriba natijalarini
chuqur tahlil qilishga imkon beradi. Bu funksiyalar ilmiy xulosalarni aniqlashtirishda
va parametrlar o‘rtasidagi bog‘liqlikni aniqlashda muhim ahamiyatga ega.
Ma‘lumotlarni transformatsiya qilish Pandasning yana bir muhim xususiyati
bo‘lib, ilmiy tadqiqotlarda ma‘lumotlarni moslashtirish yoki yangi ko‘rsatkichlar
yaratish uchun ishlatiladi. Masalan, tajriba natijalarini normalizatsiya qilish yoki
kategorik ma‘lumotlarni kodlash kabi jarayonlar tahlil jarayonini soddalashtiradi.
Pandasning bu imkoniyatlari ma‘lumotlarni ilmiy modellar yoki algoritmlarga
moslashtirishda foydalidir.
Vizualizatsiya ilmiy tadqiqotlarda ma‘lumotlarni tushunarli shaklda taqdim
etishning muhim usuli hisoblanadi. Pandas Matplotlib va Seaborn kabi kutubxonalar
bilan integratsiyalashib, ma‘lumotlarni grafik shaklida ko‘rsatish imkonini beradi.
Maqolada tasvirlangan ikki grafik – chiziqli grafik va gistogramma – ilmiy
tadqiqotlarda keng qo‘llaniladi. Chiziqli grafik vaqt bo‘yicha harorat o‘zgarishini
ko‘rsatadi, bu tajriba natijalarining tendensiyalarini aniqlashda muhimdir. Grafikda
vaqt gorizontal o‘qda, harorat esa vertikal o‘qda joylashadi, chiziqlar esa turli tajriba
shartlarini ifodalaydi. Gistogramma esa ma‘lumotlarning chastota taqsimotini
ko‘rsatadi, masalan, tajriba natijalarining normal taqsimotga yaqinligini tahlil qilish
uchun ishlatiladi. Bu grafiklar ilmiy nashrlarda yoki taqdimotlarda ma‘lumotlarni aniq
va tushunarli shaklda taqdim etishga yordam beradi.
Pandasning afzalliklari uning ilmiy tadqiqotlardagi muhim o‘rnini ta’kidlaydi.
Uning oddiy sintaksisi yangi boshlovchilar uchun qulay bo‘lsa, keng funksionalligi
professional tahlilchilar uchun mos keladi. Pandas turli ma‘lumot formatlari bilan
ishlash, ma‘lumotlarni tozalash, guruhlash, transformatsiya qilish va vizualizatsiya
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
117
117
qilish imkoniyatlarini taqdim etadi. NumPy, Matplotlib va Seaborn kabi kutubxonalar
bilan muammosiz integratsiyalashishi Pandasni ma‘lumotlar tahlilining markaziy
vositasiga aylantiradi. Biroq, Pandasning cheklovlari ham mavjud. Katta ma‘lumotlar
to‘plamlari bilan ishlashda xotira sarfi yuqori bo‘lishi mumkin, bu muammoni
kategorik ma‘lumot turlari yoki qismlarga bo‘lib ishlash orqali optimallashtirish
mumkin. Shuningdek, Pandas bir yadroli hisoblashga asoslangan bo‘lib, katta
ma‘lumotlar to‘plamlari bilan ishlashda sekinlashishi mumkin, bunday hollarda Dask
yoki Vaex kabi muqobil vositalar ko‘rib chiqilishi mumkin.
Pandasni o‘rganish ilmiy tadqiqotchilar uchun muhim qadamdir. Uning rasmiy
hujjatlari (pandas.pydata.org) boshlang‘ich manba sifatida foydalidir, shuningdek,
onlayn kurslar (masalan, Coursera yoki DataCamp) va jamoalar (Stack Overflow)
orqali bilimlarni chuqurlashtirish mumkin. Pandasning ilmiy tadqiqotlardagi ahamiyati
uning ma‘lumotlarni samarali boshqarish va tahlil qilish qobiliyatida namoyon bo‘ladi,
bu esa tajriba natijalarini aniq va ishonchli qilishga yordam beradi. Xulosa qilib
aytganda, Pandas ma‘lumotlar tahlili sohasida yetakchi vosita bo‘lib, ilmiy
tadqiqotlarda muvaffaqiyatli natijalarga erishish uchun mustahkam asos yaratadi.
Foydalanilgan adabiyotlar roʻyhati:
1.
Celko, Joe. "SQL for Smarties: Advanced SQL Programming"
2.
Date, C.J. "An Introduction to Database Systems".
3.
Тожимаматов, И. Н. (2023). ЗАДАЧИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА
ДАННЫХ. PEDAGOG, 6(4), 514-516.
4.
Mamasidiqova, I., Husanova, O., Madaminova, A., & Tojimamatov, I. (2023). Data
Mining Texnalogiyalari Metodlari Va Bosqichlari Hamda Data Science
Jarayonlar. Центральноазиатский журнал образования и инноваций, 2(3 Part 2), 18-
21.
5.
Tojimamatov, I. N., Olimov, A. F., Khaydarova, O. T., & Tojiboyev, M. M. (2023).
CREATING A DATA SCIENCE ROADMAP AND ANALYSIS. PEDAGOGICAL
SCIENCES AND TEACHING METHODS, 2(23), 242-250.
6.
Tojimamatov, I. N., Topvoldiyeva, H., Karimova, N., & Inomova, G. (2023). GRAFIK
MA'LUMOTLAR BAZASI. Евразийский журнал технологий и инноваций, 1(4),
75-84.
7.
Ne’matillayev, A. H., Abduqahhorov, I. I., & Tojimamatov, I. (2023). BIG DATA
TEXNOLOGIYALARI VA UNING MUAMMOLARI. ОБРАЗОВАНИЕ НАУКА И
ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ, 19(1), 61-64.
8.
Tojimamatov, I., Usmonova, S., Muhammadmusayeva, M., & Xoldarova, S. (2023).
DATA MINING MASALALARI VA ULARNING YECHIMLARI. “TRENDS OF
MODERN SCIENCE AND PRACTICE”, 1(2), 60-63.
9.
Nurmamatovich, T. I., & Azizjon o’g, N. A. Z. (2024). The SQL server language and
its structure. American Journal of Open University Education, 1(1), 11-15.
10.
Tojiddinov, A., Gulsumoy, N., Muntazam, H., & Tojimamatov, I. (2023). BIG
DATA. Journal of Integrated Education and Research, 2(3), 35-42.
11.
Tojimamatov, I. N., Asilbek, S., Abdumajid, S., & Mohidil, S. (2023, March). KATTA
HAJMDAGI
MA’LUMOTLARDA
HADOOP
ARXITEKTURASI.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
118
118
In INTERNATIONAL SCIENTIFIC AND
PRACTICAL CONFERENCE" THE TIME
OF SCIENTIFIC PROGRESS"
(Vol. 2, No. 4, pp. 78-88).
12.
Xakimjonov, O. U., Muhammadjonova, S. I., & Tojimamatov, I. N. (2023).
MA’LUMOTLARNI INTELEKTUAL TAHLIL QILISHDA DATA MINING
QO’LLASH.
Scientific progress
,
4
(3), 132-137.
13.
Nurmamatovich, T. I. (2024). FATOGRAFIK MA’LUMOTLAR BAZASI: ASOSIY
TUSHUNCHALARI VA TASHKIL QILISH PRINSIPLARI.
INTERNATIONAL
JOURNAL OF INTEGRATED SCIENCES
,
1
(1).
14.
Tojimamatov, I., Soliyeva, X., & Israilova, R. (2025). FAYL NOMLARINI
QISQARTIRISH ALGORITMLARI. Академические исследования в современной
науке, 4(26), 45-52.
15.
Nurmamatovich, T. I. (2025). MONGODB DA BIG DATA BILAN ISHLASH
USULLARI. YANGI O‘ZBEKISTON, YANGI TADQIQOTLAR JURNALI, 2(8),
792-798.
16.
Nurmamatovich, T. I. (2025). MOBIL OPERATSION SISTEMALARNING
KELAJAGI. Лучшие интеллектуальные исследования, 44(5), 133-139.
17.
Nurmamatovich, T. I., & Umidjon o‘g, M. Z. S. (2025). BERILGANLAR BAZASIDA
HAYOTIY SIKL. Лучшие интеллектуальные исследования, 44(5), 169-178.
18.
Nurmamatovich, T. I., & Umidjon o‘g, M. Z. S. (2025). MASHINA KODLARI BILAN
ISHLASH. Лучшие интеллектуальные исследования, 44(5), 159-168.
19.
Nurmamatovich,
T.
I.
(2025).
BERILGANLAR
BAZASI
ADMINISTRATORI. Лучшие интеллектуальные исследования, 44(5), 276-282.
20.
Tojimamatov,
I.
(2025).
ADO-NET
TEXNOLOGIYASI
YORDAMIDA
HISOBOTLAR
VA
FORMALARNI
SHAKLLANTIRISH. Академические
исследования в современной науке, 4(25), 122-126.
21.
Nurmamatovich, T. I. (2025). STATISTIKA SOHASIDA AXBOROT TIZIMLARI VA
TEXNOLOGIYALARINI
SINTAKSIS
TAXLIL
QILISH. Лучшие
интеллектуальные исследования, 44(4), 157-166.
22.
Nurmamatovich, T. I. (2025). AXBOROTLARNI TAQDIM ETISH VA ULAR BILAN
ISHLASH. Лучшие интеллектуальные исследования, 44(4), 135-140.
23.
Tojimamatov, I., & Abduvaliyev, X. (2025). KO ‘P FOYDALANUVCHILI BBBT
ARXITEKTURASI. Инновационные исследования в науке, 4(5), 16-22.
24.
Tojimamatov, I., & Xolmurod o‘g, A. O. H. (2025, May). SQL SERVERDA
CHEKLASHLAR. In CONFERENCE OF MODERN SCIENCE & PEDAGOGY (Vol.
1, No. 1, pp. 409-413).
25.
Tojimamatov,
I.,
&
Abdulhafizov,
I.
(2025).
OBYEKTLAR
VA
ATRIBUTLAR. BRIDGING THE GAP: EDUCATION AND SCIENCE FOR A
SUSTAINABLE FUTURE, 1(1), 107-112.
26.
Tojimamatov, I. N., & Iminova, G. I. (2025). SEMANTIK OBEKT MODELI VA
KATTA MA'LUMOTLAR (BIG DATA). ОБРАЗОВАНИЕ И НАУКА В XXI ВЕКЕ,
(58-3).
