...
← Blog Data & ai

Pandas pentru începători: primii pași în analiza datelor cu Python

Pandas în Python: sigla pandas în centru, înconjurată de siglele Python și Excel

Pandas este biblioteca Python cu care citești, filtrezi, grupezi și rezumi date organizate în tabele, cam cum ai face în Excel, dar prin cod. În pandas python lucrezi cu două structuri: Series (o coloană) și DataFrame (un tabel întreg). Cu câteva linii încarci un fișier CSV, afli ce conține și calculezi, de exemplu, vânzările pe fiecare oraș.

În acest tutorial pandas în română treci prin toți pașii de început pe un singur set de date: instalare, citirea unui CSV, primele comenzi de inspecție, filtrare, groupby și un raport complet de vânzări. Toate rezultatele afișate mai jos sunt cele reale, obținute rulând codul cu pandas 2.2.

Dacă vrei să exersezi direct în browser, fără să instalezi nimic, cursul de analiza datelor cu Python și Pandas are exerciții verificate automat pe seturi de date despre vânzări, magazine și orașe din România, iar primele 15 lecții sunt gratuite.

Ce este pandas și la ce folosește

Pandas este o bibliotecă open-source pentru Python, construită special pentru date tabelare: rânduri și coloane, ca într-o foaie de calcul sau într-un tabel SQL. Numele vine de la „panel data”, un termen din econometrie, nu de la animal.

O folosești când ai un fișier cu sute sau sute de mii de rânduri și vrei răspunsuri concrete: care oraș a vândut cel mai mult luna trecută, ce produse nu s-au mișcat deloc, câte comenzi au venit în weekend. În Excel ai face asta cu filtre, tabele pivot și formule copiate de mână. În pandas scrii codul o dată și îl rulezi din nou oricând vine fișierul pe luna următoare.

Pandas este unealta de bază în analiza datelor cu Python. Lucrează împreună cu NumPy (calcule numerice rapide) și matplotlib (grafice), iar mai târziu cu bibliotecile de Machine Learning, care primesc datele tot sub formă de DataFrame.

Cum instalezi și imporți pandas

Instalezi pandas cu o singură comandă în terminal, după ce ai Python pe calculator:

pip install pandas

Pe unele sisteme comanda este pip3 install pandas sau python -m pip install pandas. Dacă folosești distribuția Anaconda, pandas vine deja instalat. Pașii oficiali, inclusiv versiunile de Python suportate, sunt în documentația de instalare pandas.

În cod, pandas se importă aproape întotdeauna sub numele scurt pd. Este o convenție pe care o vei vedea în toate tutorialele și în codul colegilor:

import pandas as pd
print(pd.__version__)
2.2.2

Dacă nu ai lucrat încă deloc cu Python, fă mai întâi bazele (variabile, liste, dicționare, funcții). Cursul de Python pentru începători le acoperă, iar pandas va avea mult mai mult sens după aceea.

Series și DataFrame: cele două structuri din pandas

Un Series este o singură coloană de valori cu etichete, iar un DataFrame este un tabel format din mai multe Series puse una lângă alta. Aproape tot ce faci în pandas pornește de la una dintre ele.

Iată un Series cu prețurile a trei produse. Etichetele (indexul) sunt numele produselor, așa că poți cere un preț după nume:

preturi = pd.Series([3200, 85, 950], index=["Laptop", "Mouse", "Monitor"])
print(preturi)
print(preturi["Mouse"])
Laptop     3200
Mouse        85
Monitor     950
dtype: int64
85

Un DataFrame îl poți crea dintr-un dicționar: fiecare cheie devine numele unei coloane, iar lista de valori devine coloana propriu-zisă.

df = pd.DataFrame({
    "oras": ["Cluj-Napoca", "București", "Iași"],
    "vanzari": [12500, 18300, 7400],
})
print(df)
print(type(df["vanzari"]))
          oras  vanzari
0  Cluj-Napoca    12500
1    București    18300
2         Iași     7400
<class 'pandas.core.series.Series'>

Observă două lucruri. Coloana din stânga (0, 1, 2) este indexul, pe care pandas îl pune automat. Și când scoți o singură coloană din DataFrame, cu df["vanzari"], primești înapoi un Series.

Cum citești un fișier CSV cu read_csv

Funcția pd.read_csv() încarcă un fișier CSV într-un DataFrame și este, practic, primul rând din orice analiză. Pentru restul articolului folosim fișierul vanzari.csv, cu vânzările unui mic magazin online de electronice în primele zile din octombrie:

data,oras,produs,cantitate,pret
2026-10-01,Cluj-Napoca,Laptop,2,3200
2026-10-01,București,Mouse,10,85
2026-10-02,Iași,Monitor,3,950
2026-10-02,Cluj-Napoca,Mouse,5,85
2026-10-03,Timișoara,Laptop,1,3200
2026-10-03,București,Laptop,4,3200
2026-10-04,Iași,Mouse,8,85
2026-10-04,Timișoara,Monitor,2,950
2026-10-05,București,Monitor,1,950
2026-10-05,Cluj-Napoca,Monitor,2,950

Salvează textul de mai sus într-un fișier cu acest nume, în același folder cu scriptul, apoi citește-l:

import pandas as pd

df = pd.read_csv("vanzari.csv")

Funcția are zeci de parametri pentru cazuri speciale (separator, codare, coloane de dată, rânduri sărite), descriși în documentația read_csv. Pentru început îți ajung numele fișierului și, uneori, sep și decimal, despre care vorbim la greșeli.

Primele comenzi: head, info și describe

Înainte să calculezi ceva, uită-te la date cu trei comenzi: head() îți arată primele rânduri, info() îți spune coloanele și tipurile lor, iar describe() îți dă statistici rapide pentru coloanele numerice.

print(df.head())
print(df.shape)
         data         oras   produs  cantitate  pret
0  2026-10-01  Cluj-Napoca   Laptop          2  3200
1  2026-10-01    București    Mouse         10    85
2  2026-10-02         Iași  Monitor          3   950
3  2026-10-02  Cluj-Napoca    Mouse          5    85
4  2026-10-03    Timișoara   Laptop          1  3200
(10, 5)

head() afișează implicit 5 rânduri, iar shape îți spune dimensiunea tabelului: 10 rânduri și 5 coloane.

df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 5 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   data       10 non-null     object
 1   oras       10 non-null     object
 2   produs     10 non-null     object
 3   cantitate  10 non-null     int64
 4   pret       10 non-null     int64
dtypes: int64(2), object(3)
memory usage: 532.0+ bytes

Aici verifici două lucruri. „Non-Null Count” arată câte valori completate are fiecare coloană; dacă un număr e mai mic decât totalul rândurilor, ai valori lipsă. „Dtype” arată tipul: int64 înseamnă numere întregi, object înseamnă de obicei text. Dacă o coloană de prețuri apare ca object, ceva nu e în regulă la citire.

print(df.describe())
       cantitate         pret
count  10.000000    10.000000
mean    3.800000  1365.500000
std     3.047768  1321.016969
min     1.000000    85.000000
25%     2.000000   301.250000
50%     2.500000   950.000000
75%     4.750000  2637.500000
max    10.000000  3200.000000

Pe rând: numărul de valori, media, abaterea standard, minimul, cuartilele și maximul. Dintr-o privire vezi că o comandă are în medie 3,8 bucăți și că cea mai mare a fost de 10 bucăți.

Cum selectezi coloane și filtrezi rânduri în pandas

Selectezi o coloană cu numele ei între paranteze drepte, mai multe coloane cu o listă de nume, iar rândurile le filtrezi cu o condiție pusă tot între paranteze drepte.

print(df["oras"].head(3))
print(df[["oras", "produs"]].head(3))
0    Cluj-Napoca
1      București
2           Iași
Name: oras, dtype: object
          oras   produs
0  Cluj-Napoca   Laptop
1    București    Mouse
2         Iași  Monitor

Atenție la parantezele duble din al doilea exemplu: cele exterioare înseamnă „selectează”, cele interioare sunt lista de coloane. Acum, comenzile de cel puțin 5 bucăți:

print(df[df["cantitate"] >= 5])
         data         oras produs  cantitate  pret
1  2026-10-01    București  Mouse         10    85
3  2026-10-02  Cluj-Napoca  Mouse          5    85
6  2026-10-04         Iași  Mouse          8    85

Expresia df["cantitate"] >= 5 produce un Series de valori True/False, iar pandas păstrează doar rândurile cu True. Pentru mai multe condiții folosești & (și), | (sau) și pui fiecare condiție în paranteze rotunde:

print(df[(df["oras"] == "București") & (df["produs"] == "Laptop")])
print(df[df["oras"].isin(["Iași", "Timișoara"])])
         data       oras  produs  cantitate  pret
5  2026-10-03  București  Laptop          4  3200
         data       oras   produs  cantitate  pret
2  2026-10-02       Iași  Monitor          3   950
4  2026-10-03  Timișoara   Laptop          1  3200
6  2026-10-04       Iași    Mouse          8    85
7  2026-10-04  Timișoara  Monitor          2   950

isin() este scurtătura pentru „orașul este unul dintre aceștia” și te scapă de un șir lung de condiții legate cu |.

Cum grupezi datele cu groupby

groupby() împarte tabelul în grupuri după valorile unei coloane și aplică un calcul pe fiecare grup, exact ce face un tabel pivot în Excel. Mai întâi adăugăm o coloană nouă, valoarea fiecărei comenzi:

df["valoare"] = df["cantitate"] * df["pret"]
print(df.groupby("oras")["valoare"].sum().sort_values(ascending=False))
oras
București      14600
Cluj-Napoca     8725
Timișoara       5100
Iași            3530
Name: valoare, dtype: int64

Citește linia de la stânga la dreapta: grupează după oraș, ia coloana „valoare”, adună, sortează descrescător. Înmulțirea dintre două coloane se face rând cu rând, fără nicio buclă for.

Când vrei mai multe calcule deodată, folosești agg() și dai fiecărui rezultat un nume:

print(df.groupby("produs").agg(bucati=("cantitate", "sum"), comenzi=("cantitate", "count")))
         bucati  comenzi
produs
Laptop        7        3
Monitor       8        4
Mouse        23        3

Mouse-urile au cele mai multe bucăți vândute, dar laptopurile aduc cei mai mulți bani. Genul acesta de diferență e motivul pentru care merită să te uiți la date din mai multe unghiuri. Toate funcțiile de agregare disponibile sunt descrise în ghidul oficial pandas pentru groupby, iar pentru început îți ajung sum, mean, count, min și max.

Exemplu complet: raport de vânzări pe orașe cu pandas python

Raportul de mai jos pune cap la cap tot ce ai văzut: citește fișierul, calculează valoarea comenzilor, grupează pe orașe, adaugă procentul din total și salvează rezultatul într-un CSV nou, gata de trimis la contabilitate.

import pandas as pd

df = pd.read_csv("vanzari.csv", parse_dates=["data"])
df["valoare"] = df["cantitate"] * df["pret"]

raport = (
    df.groupby("oras")
      .agg(comenzi=("produs", "count"),
           bucati=("cantitate", "sum"),
           incasari=("valoare", "sum"))
      .sort_values("incasari", ascending=False)
)
raport["procent"] = (raport["incasari"] / raport["incasari"].sum() * 100).round(1)
print(raport)

raport.to_csv("raport_orase.csv")
             comenzi  bucati  incasari  procent
oras
București          3      15     14600     45.7
Cluj-Napoca        3       9      8725     27.3
Timișoara          2       3      5100     16.0
Iași               2      11      3530     11.0

Parametrul parse_dates transformă coloana „data” în date calendaristice reale, utile când vrei mai târziu să grupezi pe săptămâni sau luni. Parantezele rotunde din jurul lanțului de metode îți permit să scrii fiecare pas pe un rând separat, ceea ce face codul ușor de citit.

Concluzia se vede imediat: București aduce aproape jumătate din încasări, deși Iași are mai multe bucăți vândute decât Cluj-Napoca. Ca să vezi și din ce produse vin banii, un tabel pivot face încrucișarea oraș × produs:

print(df.pivot_table(index="oras", columns="produs", values="valoare",
                     aggfunc="sum", fill_value=0))
produs       Laptop  Monitor  Mouse
oras
București     12800      950    850
Cluj-Napoca    6400     1900    425
Iași              0     2850    680
Timișoara      3200     1900      0

În Iași nu s-a vândut niciun laptop în aceste zile, iar în Timișoara niciun mouse. fill_value=0 pune zero în loc de celule goale. Acesta e tipul de observație cu care începe o discuție reală despre stocuri sau promoții.

Greșeli frecvente la începători în pandas

Majoritatea erorilor de început în pandas vin din cinci situații, iar fiecare are o reparație simplă.

Ce scriiCe primeștiCum repari
df[df["oras"] == "Iași" and df["cantitate"] > 2]ValueError: The truth value of a Series is ambiguousFolosește & în loc de and și | în loc de or.
df[df["oras"] == "Iași" & df["cantitate"] > 2]TypeError: Cannot perform 'rand_'…Pune fiecare condiție între paranteze rotunde.
df["oraș"] când coloana se numește „oras”KeyError: 'oraș'Verifică numele exacte cu df.columns; diacriticele și spațiile contează.
df.sort_values("pret") și apoi print(df)Tabelul apare nesortatMajoritatea metodelor întorc un tabel nou: df = df.sort_values("pret").
pd.read_csv("export.csv") pe un fișier salvat din Excel în românăO singură coloană, cu numele 'oras;incasari'pd.read_csv("export.csv", sep=";", decimal=",")

Ultima greșeală merită atenție dacă lucrezi cu fișiere de la firme din România. Excel cu setări regionale românești salvează adesea CSV-ul cu punct și virgulă între coloane și cu virgulă la zecimale („1234,50”). Fără cei doi parametri, pandas vede tot rândul ca un singur text. Cu ei, coloana de încasări devine numerică și o poți aduna normal.

Exercițiu pentru tine

Pe același fișier vanzari.csv, încearcă să scrii singur codul pentru trei întrebări:

  1. Care este valoarea medie a unei comenzi în fiecare oraș? (indiciu: mean în loc de sum)
  2. Ce comenzi au valoarea peste 3.000 de lei?
  3. Câte bucăți de monitoare s-au vândut în total?

Dacă ai obținut 4866,67 lei media pentru București la prima întrebare, ești pe drumul bun. Pentru mai multe idei de exersat, lista de proiecte Python pentru începători are câteva pe care le poți rezolva cu pandas.

Ce înveți după primii pași în pandas

După filtrare și groupby, pasul următor este curățarea datelor: valori lipsă (isna, fillna, dropna), duplicate, tipuri greșite și text scris în zece feluri diferite. Urmează combinarea tabelelor cu merge, lucrul cu date calendaristice și graficele cu matplotlib.

Pandas apare des în anunțurile pentru analiști de date, de obicei alături de SQL, Excel și Power BI. Dacă te gândești la o reconversie în zona asta, traseul de carieră Data Analyst îți arată în ce ordine să înveți aceste unelte, iar articolul despre cum devii Data Analyst de la zero îți explică ce face concret un analist în fiecare zi.

Întrebări frecvente

Ce este pandas în Python?

Pandas este o bibliotecă open-source pentru Python folosită la analiza și prelucrarea datelor tabelare. Îți dă structurile Series și DataFrame și funcții pentru citit fișiere, filtrat, grupat și calculat statistici. Este una dintre cele mai folosite unelte de lucru ale analiștilor de date care programează în Python.

Pot învăța pandas fără să știu Python?

Nu prea. Poți copia câteva comenzi, dar te blochezi repede fără bazele limbajului: variabile, liste, dicționare și funcții. Îți ajung câteva săptămâni de Python de bază înainte să treci la pandas.

Pandas sau Excel: ce să folosesc?

Depinde de cât de des repeți analiza. Pentru un calcul făcut o singură dată, pe un fișier mic, Excel e mai rapid. Pentru rapoarte care se refac în fiecare săptămână, fișiere foarte mari sau prelucrări în mai mulți pași, pandas câștigă, pentru că scrii codul o dată și îl rulezi din nou pe date noi.

Cât durează să înveți pandas?

Bazele din acest articol le poți stăpâni în câteva zile de exercițiu, dacă știi deja Python. Ca să lucrezi confortabil cu date reale (curățare, combinare de tabele, date calendaristice, grafice) ai nevoie de câteva săptămâni de practică constantă, pe seturi de date diferite.

Există un tutorial pandas în română?

Da. Articolul de față acoperă primii pași, iar cursul nostru de Data Analysis with Python este integral în română, cu exerciții pe date despre orașe, magazine și note din România.

Trebuie să instalez Jupyter Notebook ca să folosesc pandas?

Nu. Pandas merge în orice script Python rulat din terminal sau dintr-un editor ca VS Code. Jupyter e comod pentru analiză, pentru că vezi tabelul imediat sub fiecare celulă, dar nu e obligatoriu.

Primul pas: rulează primul tău DataFrame azi

Copiază fișierul vanzari.csv de mai sus, rulează raportul complet și apoi schimbă-l: adaugă un oraș, un produs nou, o coloană cu reducerea aplicată. Vei învăța mai mult din zece minute de modificat cod decât dintr-o oră de citit.

Dacă preferi să exersezi ghidat, cu fiecare exercițiu verificat automat și cu Profu’, tutorele AI din lecții, care îți dă indicii când te blochezi, începe cursul Data Analysis with Python. Primele 15 lecții sunt gratuite, fără card, și rulează direct în browser, cu pandas deja instalat.

Logo Curs Data Analysis with Python Interactiv · 15 lecții gratuite

Curs Data Analysis with Python

Analiza datelor cu Python: pandas, NumPy și grafice pe date reale

Începe gratuit

Citește și

Primul tău program e la 5 minute distanță.

Creează-ți contul gratuit și începe primele 15 lecții. Fără card, fără instalări.

Începe gratuit