Phenquestions
Pandas DataFrame - это двумерная (двухмерная) аннотированная структура данных, в которой данные выровнены в табличной форме с разными строками и столбцами. Для облегчения понимания DataFrame ведет себя как электронная таблица, содержащая три разных компонента: индекс, столбцы и данные. Pandas DataFrames - наиболее распространенный способ использования объектов панды.
Pandas DataFrames можно создавать разными способами. В этой статье будут объяснены все возможные методы, с помощью которых вы можете создать Pandas DataFrame на Python. Мы запустили все примеры на инструменте pycharm. Приступим к реализации каждого метода по очереди.
Базовый синтаксис
Следуйте следующему синтаксису при создании DataFrames в Python Pandas:
pd.DataFrame (Df_data)Пример: Поясним на примере. В этом случае мы сохранили данные об именах и процентах студентов в переменной «Students_Data». Далее, используя pd.DataFrame (), мы создали DataFrames для отображения результатов студента.
импортировать панд как pdStudent_Data =
"Имя": ["Самрина", "Асиф", "Махвиш", "Раис"],
"Процент": [90,80,70,85]
результат = pd.Фрейм данных (Студенты_Данные)
печать (результат)
Способы создания фреймов данных Pandas
Pandas DataFrames можно создавать разными способами, которые мы обсудим в оставшейся части статьи. Мы распечатаем результат курсов студента в виде DataFrames. Итак, используя один из следующих методов, вы можете создать похожие DataFrames, которые представлены на следующем изображении:
Метод # 01: Создание Pandas DataFrame из словаря списков
В следующем примере DataFrames создаются из словарей списков, связанных с результатами курса студента. Сначала импортируйте библиотеку панды, а затем создайте словарь списков. Клавиши dict представляют имена столбцов, такие как «Student_Name», «Course_Title» и «GPA». Списки представляют данные или содержимое столбца. Переменная 'dictionary_lists' содержит данные студентов, которые в дальнейшем назначаются переменной 'df1'. Используя оператор печати, распечатайте все содержимое DataFrames.
Пример:
# Импортировать библиотеки для pandas и numpyимпортировать панд как pd
# Импортировать библиотеку панды
импортировать панд как pd
# Создать словарь списка
Dictionary_lists =
'Student_Name': ['Samreena', 'Raees', 'Sara', 'Sana'],
'Course_Title': ['SQA', 'SRE', 'Основы ИТ', 'Искусственный интеллект'],
'GPA': [3.1, 3.3, 2.8, 4.0]
# Создать DataFrame
dframe = pd.DataFrame (словари_списки)
печать (dframe)
После выполнения вышеуказанного кода будет отображаться следующий вывод:
Метод # 02: Создать Pandas DataFrame из словаря массива NumPy
DataFrame может быть создан из массива / списка. Для этого длина должна быть такой же, как и у всех наррарей. Если передан какой-то индекс, то длина индекса должна быть равна длине массива. Если ни один индекс не передан, то в этом случае индексом по умолчанию будет диапазон (n). Здесь n представляет длину массива.
Пример:
импортировать numpy как np# Создаем массив numpy
nparray = np.множество(
[[Самрина, Раис, Сара, Сана],
['SQA', 'SRE', 'Основы ИТ', 'Искусственный интеллект'],
[3.1, 3.3, 2.8, 4.0]])
# Создать словарь nparray
Dictionary_of_nparray =
"Student_Name": nparray [0],
"Название_курса": nparray [1],
'GPA': nparray [2]
# Создать DataFrame
dframe = pd.DataFrame (dictionary_of_nparray)
печать (dframe)
Метод # 03: Создание pandas DataFrame с использованием списка списков
В следующем коде каждая строка представляет одну строку.
Пример:
# Импортировать библиотеку Pandas pdимпортировать панд как pd
# Создать список списков
group_lists = [
[«Самрина», «SQA», 3.1],
['Raees', 'SRE', 3.3],
['Сара', 'Основы информационных технологий', 2.8],
[«Сана», «Искусственный интеллект», 4.0]]
# Создать DataFrame
dframe = pd.DataFrame (group_lists, columns = ['Student_Name', 'Course_Title', 'GPA'])
печать (dframe)
Метод # 04: создание pandas DataFrame с использованием списка словарей
В следующем коде каждый словарь представляет одну строку и ключи, которые представляют имена столбцов.
Пример:
# Импортировать библиотеку пандимпортировать панд как pd
# Создать список словарей
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': 'Искусственный интеллект', 'GPA': 4.0]
# Создать DataFrame
dframe = pd.DataFrame (dict_list)
печать (dframe)
Метод # 05: Создание фрейма данных pandas из dict of pandas Series
Клавиши dict представляют имена столбцов, а каждая серия представляет содержимое столбца. В следующих строках кода мы взяли три типа серий: Name_series, Course_series и GPA_series.
Пример:
# Импортировать библиотеку пандимпортировать панд как pd
# Создайте серию имен учащихся
Name_series = pd.Серии ([Samreena, Raees, Sara, Sana])
Course_series = pd.Серии (['SQA', 'SRE', 'Основы ИТ', 'Искусственный интеллект'])
GPA_series = pd.Серия ([3.1, 3.3, 2.8, 4.0])
# Создать словарь серий
Dictionary_of_nparray
\
'] = ' Name ': Name_series,' Age ': Course_series,' Department ': GPA_series
# Создание фрейма данных
dframe = pd.DataFrame (dictionary_of_nparray)
печать (dframe)
Метод # 06: Создайте фрейм данных Pandas с помощью функции zip ().
Различные списки могут быть объединены с помощью функции list (zip ()). В следующем примере pandas DataFrame создаются путем вызова pd.Функция DataFrame (). Создаются три разных списка, которые объединяются в виде кортежей.
Пример:
импортировать панд как pd# List1
Student_Name = ['Samreena', 'Raees', 'Sara', 'Sana']
# List2
Course_Title = ['SQA', 'SRE', 'Основы ИТ', 'Искусственный интеллект']
# List3
Средний балл = [3.1, 3.3, 2.8, 4.0]
# Далее берем список кортежей из трех списков, объединяем их с помощью zip ().
кортежи = список (почтовый индекс (имя студента, название курса, средний балл))
# Присваивать значения данных кортежам.
кортежи
# Преобразование списка кортежей в pandas Dataframe.
dframe = pd.DataFrame (кортежи, столбцы = ['Student_Name', 'Course_Title', 'GPA'])
# Распечатать данные.
печать (dframe)
Заключение
Используя вышеуказанные методы, вы можете создать Pandas DataFrames в python. Мы распечатали средний балл студента по курсу, создав Pandas DataFrames. Надеюсь, вы получите полезные результаты после запуска вышеупомянутых примеров. Все программы хорошо прокомментированы для лучшего понимания. Если у вас есть другие способы создания Pandas DataFrames, не стесняйтесь поделиться ими с нами. Спасибо, что прочитали это руководство.
