Phenquestions
Pandas DataFrame er en 2D (todimensionel) kommenteret datastruktur, hvor data er justeret i tabelform med forskellige rækker og kolonner. For lettere forståelse opfører DataFrame sig som et regneark, der indeholder tre forskellige komponenter: indeks, kolonner og data. Pandas DataFrames er den mest almindelige måde at bruge pandas objekter på.
Pandas DataFrames kan oprettes ved hjælp af forskellige metoder. Denne artikel forklarer alle mulige metoder, hvorigennem du kan oprette Pandas DataFrame i python. Vi har kørt alle eksempler på pycharm-værktøjet. Lad os starte implementeringen af hver metode en efter en.
Grundlæggende syntaks
Følg følgende syntaks, mens du opretter DataFrames i Pandas python:
pd.DataFrame (Df_data)Eksempel: Lad os forklare med et eksempel. I dette tilfælde har vi gemt dataene for studerendes navne og procenter i en 'Students_Data' variabel. Yderligere, ved hjælp af pd.DataFrame (), vi har oprettet en DataFrames til visning af studerendes resultat.
importer pandaer som pdStudents_Data =
'Navn': ['Samreena', 'Asif', 'Mahwish', 'Raees'],
'Procentdel': [90,80,70,85]
resultat = pd.DataFrame (Students_Data)
print (resultat)
Metoder til at oprette Pandas DataFrames
Pandas DataFrames kan oprettes på forskellige måder, som vi vil diskutere i resten af artiklen. Vi udskriver de studerendes kursusresultater i form af DataFrames. Så ved hjælp af en af følgende metoder kan du oprette lignende DataFrames, der er repræsenteret i følgende billede:
Metode nr. 01: Oprettelse af Pandas DataFrame fra listernes ordbog
I det følgende eksempel oprettes DataFrames ud fra ordbøgerne over lister relateret til studerendes kursusresultater. Først skal du importere en pandas bibliotek og derefter oprette en ordbog med lister. Diktatasterne repræsenterer kolonnenavnene såsom 'Student_Name', 'Course_Title' og 'GPA'. Lister repræsenterer kolonnens data eller indhold. Variablen 'ordbog_lister' indeholder data om studerende, der yderligere er tildelt variablen 'df1'. Brug udskriftserklæringen til at udskrive alt indholdet af DataFrames.
Eksempel:
# Importer biblioteker til pandaer og følelsesløseimporter pandaer som pd
# Importer pandas bibliotek
importer pandaer som pd
# Opret en ordbog over listen
ordbog_lister =
'Student_Name': ['Samreena', 'Raees', 'Sara', 'Sana'],
'Course_Title': ['SQA', 'SRE', 'IT Basics', 'Artificial intelligence'],
'GPA': [3.1, 3.3, 2.8, 4.0]
# Opret DataFrame
dframe = pd.DataFrame (ordbog_lister)
print (dframe)
Efter udførelse af ovenstående kode vises følgende output:
Metode # 02: Opret Pandas DataFrame fra ordbogen for NumPy-arrayet
DataFrame kan oprettes fra diktat til array / liste. Til dette formål skal længden være den samme som hele fortællingen. Hvis noget indeks overføres, skal indekslængden være lig med arrayets længde. Hvis der ikke passeres et indeks, er standardindekset i dette tilfælde et interval (n). Her repræsenterer n arrayets længde.
Eksempel:
importer numpy som np# Opret en bedøvet matrix
nparray = np.array (
[['Samreena', 'Raees', 'Sara', 'Sana'],
['SQA', 'SRE', 'IT Basics', 'Artificial Intelligence'],
[3.1, 3.3, 2.8, 4.0]])
# Opret en ordbog over nparray
dictionary_of_nparray =
'Student_Name': nparray [0],
'Course_Title': nparray [1],
'GPA': nparray [2]
# Opret DataFrame
dframe = pd.DataFrame (ordbog_af_nparray)
print (dframe)
Metode # 03: Oprettelse af pandas DataFrame ved hjælp af listen over lister
I den følgende kode repræsenterer hver linje en enkelt række.
Eksempel:
# Importer bibliotek Pandas pdimporter pandaer som pd
# Opret en liste med lister
gruppelister = [
['Samreena', 'SQA', 3.1],
['Raees', 'SRE', 3.3],
['Sara', 'IT Basics', 2.8],
['Sana', 'Kunstig intelligens', 4.0]]
# Opret DataFrame
dframe = pd.DataFrame (group_lists, columns = ['Student_Name', 'Course_Title', 'GPA'])
print (dframe)
Metode # 04: Oprettelse af pandas DataFrame ved hjælp af listen over ordbøger
I den følgende kode repræsenterer hver ordbog en enkelt række og taster, der repræsenterer kolonnenavnene.
Eksempel:
# Importer bibliotekspandasimporter pandaer som pd
# Opret en liste med ordbøger
dict_list = [
'Student_Name': 'Samreena', 'Course_Title': 'SQA', 'GPA': 3.1,
'Student_Name': 'Raees', 'Course_Title': 'SRE', 'GPA': 3.3,
'Student_Name': 'Sara', 'Course_Title': 'IT Basics', 'GPA': 2.8,
'Student_Name': 'Sana', 'Course_Title': 'Kunstig intelligens', 'GPA': 4.0]
# Opret DataFrame
dframe = pd.DataFrame (dict_list)
print (dframe)
Metode # 05: Oprettelse af pandadataframe fra dict of pandas-serien
Diktatasterne repræsenterer kolonnerne, og hver serie repræsenterer kolonneindholdet. I de følgende kodelinjer har vi taget tre typer serier: Name_series, Course_series og GPA_series.
Eksempel:
# Importer bibliotekspandasimporter pandaer som pd
# Opret serien af studerendes navne
Navneserier = pd.Serie (['' Samreena ',' Raees ',' Sara ',' Sana '])
Kurseserier = pd.Series (['SQA', 'SRE', 'IT Basics', 'Artificial intelligence'])
GPA_series = pd.Serie ([3.1, 3.3, 2.8, 4.0])
# Opret en serieordbog
ordbog_af_nparray
\
'] = ' Name ': Name_series,' Age ': Course_series,' Department ': GPA_series
# DataFrame oprettelse
dframe = pd.DataFrame (ordbog_af_nparray)
print (dframe)
Metode nr. 06: Opret Pandas DataFrame ved hjælp af zip () -funktionen.
Forskellige lister kan flettes gennem listen (zip ()) - funktionen. I det følgende eksempel oprettes pandas DataFrame ved at kalde pd.DataFrame () funktion. Tre forskellige lister oprettes, der flettes i form af tupler.
Eksempel:
importer pandaer som pd# Liste1
Student_Name = ['Samreena', 'Raees', 'Sara', 'Sana']
# Liste2
Course_Title = ['SQA', 'SRE', 'IT Basics', 'Artificial Intelligence']
# Liste3
GPA = [3.1, 3.3, 2.8, 4.0]
# Tag listen over tupler fra tre lister videre, flet dem ved hjælp af zip ().
tuples = liste (zip (Student_Name, Course_Title, GPA))
# Tildel dataværdier til tupler.
tupler
# Konvertering af tuplister til pandas Dataframe.
dframe = pd.DataFrame (tuples, columns = ['Student_Name', 'Course_Title', 'GPA'])
# Udskriv data.
print (dframe)
Konklusion
Ved hjælp af ovenstående metoder kan du oprette Pandas DataFrames i python. Vi har udskrevet en studerendes kursus GPA ved at oprette Pandas DataFrames. Forhåbentlig får du nyttige resultater efter at have kørt de ovennævnte eksempler. Alle programmer er kommenteret godt for bedre forståelse. Hvis du har flere måder at oprette Pandas DataFrames på, så tøv ikke med at dele dem med os. Tak, fordi du læste denne vejledning.
