Panda .valori
Sintassi:
La sintassi per ottenere la rappresentazione numpy del frame dati è riportata di seguito:
# DataFrame.valoriEsempio # 01:
Per eseguire questi esempi, dobbiamo installare lo strumento Spyder. Dopo l'installazione di questo strumento, scriviamo alcuni codici che sono anche mostrati di seguito. Innanzitutto, dobbiamo importare il "Panda" come "PD". Python è incaricato di importare la libreria di elaborazione dei dati di Pandas nel codice esistente mediante la sezione Panda import del codice. La sezione PD del codice indica a Python di assegnare ai panda l'abbreviazione di PD. Di conseguenza, è possibile utilizzare le funzioni Panda digitando solo PD. Quindi, stiamo creando "DataFrame" sotto questo. Assegniamo il "PD.DataFrame "alla variabile" DF ". Mettiamo il nome come nome della colonna e posizioniamo alcuni nomi per questa colonna.
Qui aggiungiamo "John", "Henry", "Peter" e "Smith" a questa colonna "Nome". Poi arriva la colonna "Age" e aggiungiamo l'età di tutti quelli che sono "45", "25", "60" e "33". Il nome della terza colonna è "Pay" qui. Aggiungiamo il pagamento di tutti come "12000", "35000", "15000" e "23500". Successivamente, utilizziamo l'istruzione "Print ()" che stampa questo frame di dati in righe e colonne. Ora, salva questo codice con il nome di tua scelta e l'estensione del file per questo apparirà automaticamente.
Per ottenere il risultato di questo codice, premiamo semplicemente "Shift+Enter" o possiamo anche utilizzare il pulsante Esegui su questo strumento "Spyder". Quando premi il pulsante Esegui dalla barra delle applicazioni, possiamo ottenere l'output sul terminale dello strumento "Spyder". Dopo questo, l'output si renderà sullo schermo. Nell'immagine data, è possibile osservare che i dati sono stampati in righe e colonne. Ma vogliamo stampare questi dati nella rappresentazione Numpy. Quindi, per questo aggiungiamo alcune più righe nel codice sopra che sono anche riportate di seguito questo screenshot di output.
Per ottenere la rappresentazione "numpy", utilizziamo l'attributo "valori" con il nome del telaio di dati che abbiamo creato sopra. Utilizziamo una variabile denominata "RSLT" e assegniamo "DF. Valori "a questa variabile" RSLT "in modo che fornirà la rappresentazione numpy del frame dati. Per stampare questa rappresentazione "numpy", utilizziamo qui la dichiarazione "Print ()".
Lo screenshot mostra che i dati sono rappresentati come "numpy". Ottiamo questa rappresentazione "numpy" con l'aiuto dell'attributo "valori" nel nostro codice. Non ci sono etichette del frame dati in questa rappresentazione numpy.
Esempio # 02:
Ora stiamo eseguendo un altro esempio qui per te e in questo esempio utilizziamo di nuovo l'attributo "valori". Iniziamo il nostro codice importando il "Panda" come "PD". Questo ci aiuterà a utilizzare la funzione del panda semplicemente mettendo "PD". Dopo questo, abbiamo una variabile denominata "df1" e la inizializziamo con un frame dati semplicemente digitando "PD.DataFrame ". Stiamo creando quattro diverse colonne per questo frame dati come "nome", "età", "pay" e "professione". Mettiamo alcuni nomi nelle colonne "nomi" e usiamo anche la parola chiave "nessuno" qui. Questo "nessuno" è utilizzato per definire un valore nullo. Aggiungiamo due nomi "Alies" e "Peter" e due parole chiave "Nessuna" in questa colonna "Nome".
Quindi, abbiamo l '"età". Aggiungiamo dati di età come "55", "64" e "39". Usiamo anche la colonna "nessuno" per questa "età". Aggiungiamo "25000", "55000", "28000" e anche una parola chiave "nessuna" per la colonna "Pay". Quindi, arriva la "professione". Abbiamo "IT Professional" e "SE Engineer" e i restanti due come "nessuno". Innanzitutto, stampiamo questo "dati di dati" che verrà visualizzato nel modulo righe e colonne e quindi applichiamo l'attributo "valori" al frame dati "df1" e lo assegniamo a "df2". Lo scriviamo come "DF1.valori "e inizializzano" df2 "con questo. Ora, stampiamo questo "DF2" e vedrai che restituisce la rappresentazione numpy di questo frame dati e rimuoverà le etichette che abbiamo aggiunto nel frame dati. Salva questo codice e quindi possiamo ottenere il risultato di questo codice.
Premiamo "Shift+Enter" e questa data uscita è resa sullo schermo del terminale. Qui, possiamo facilmente vedere i dati nel frame dati che appare in righe e colonne. Le etichette sono anche menzionate e al di sotto dei dati sono resi nella rappresentazione numpy e le etichette vengono rimosse perché abbiamo utilizzato l'attributo "valori" con il nome del "frame dati". Qui, osservi che rende "nan" per "nessuno".
Esempio # 03:
Ora abbiamo il terzo e l'ultimo esempio in cui utilizzeremo l'attributo "valori". Importiamo di nuovo i "panda" come "PD". Il motivo per l'importazione dei "panda come PD" è già discusso nei codici di cui sopra. Creiamo un "dati di dati" mettendo "PD.DataFrame ". Assegniamo questo "PD.DataFrame "a una variabile e il nome di quella variabile è" DF3 ". Aggiungiamo alcuni dati nel frame dati.
Come abbiamo discusso, questi dati saranno resi sotto forma di righe e colonne. Aggiungiamo "David", "John", "550" e "900" nella prima riga del frame dati. Aggiungiamo anche "Alies", "William", "400" e "900" nella seconda fila. Nella terza fila, aggiungiamo "Emma", "Noah", "655" e "900". Infine, aggiungiamo "Alexander", "Thomas", "700" e "900". Ora stiamo utilizzando la parola chiave "valori" per ottenere una rappresentazione numpy. Inizializziamo la variabile "risultato" e la inizializziamo con "DF3. valori". Quindi, vogliamo stampare questa rappresentazione numpy di dati che otteniamo dopo aver applicato questo attributo "valori". Quindi, utilizziamo "print ()" e passiamo il "risultato" come parametro di questa funzione. Restituirà la rappresentazione "numpy" sul terminale di uscita. Ora, salva questo codice.
Lo screenshot che è riportato di seguito è la rappresentazione numpy. Ottiamo questo output semplicemente premendo "Shift+Enter" di cui abbiamo anche discusso sopra.
Conclusione
Abbiamo presentato questo articolo per spiegare il concetto dell'attributo "valori di panda". Abbiamo spiegato questo concetto in dettaglio in modo da capire facilmente come utilizzare l'attributo "valori". Abbiamo discusso che l'attributo "valori" viene utilizzato per ottenere la rappresentazione numpy del frame dati. Nella rappresentazione numpy, le etichette vengono rimosse. Otteniamo solo i valori, non le etichette. Abbiamo esplorato più esempi in questo articolo e spiegato in dettaglio tutte le righe di codici. Abbiamo fornito l'output di tutti i codici qui e i codici.