Язык Python помогает упростить анализ данных. Если вы научились пользоваться электронными таблицами, то сможете освоить и pandas! Несмотря на сходство с табличной компоновкой Excel, pandas обладает большей гибкостью и более широкими возможностями. Эта библиотека для Python быстро выполняет операции с миллионами строк и способна взаимодействовать с другими инструментами. Она дает идеальную возможность выйти на новый уровень анализа данных.
У параметра inplace имеется одна особенность, о которой следует сказать. Его название предполагает модификацию/изменение уже существующего объекта вместо создания копии. Разработчики иногда стремятся использовать inplace, чтобы сократить количество копий объектов, а значит, и использование памяти. Но необходимо осознавать, что даже при использовании параметра inplace библиотека pandas создает копию объекта при каждом вызове метода. Библиотека всегда создает дубликат; параметр inplace просто размещает этот новый объект в уже существующую переменную. Таким образом, вопреки расхожему мнению, параметр inplace не дает никакого преимущества в смысле производительности. Следующие две строки фактически эквивалентны: battles.sort_values(inplace = True) battles = battles.sort_values() Почему
Сравните последний пример со следующим. Мы снова вызываем метод sort_values, но на этот раз передаем аргумент True для параметра inplace. При использовании параметра inplace метод возвращает None и в блокноте Jupyter ничего не выводится. Но если потом вывести объект battles, станет очевидно, что он изменился
