Array Pandas a DataFrame

Questo tutorial Pandas ti insegnerà come trasformare un array numpy in un oggetto Panda DataFrame. I valori in più dimensioni possono essere archiviati utilizzando array multidimensionali. Un array 3D può essere confrontato con un cubo mentre un array in due dimensioni può essere confrontato con una matrice.

I panda.Il costruttore DataFrame () viene utilizzato per convertire un array numpy, simile alla conversione di un dizionario.

Sintassi:

DataFrame_Object = Panda.DataFrame (numpy_array, index = ['a', 'b'], colonne = ['num', 'chr'])

Parametri:

1. Il primo parametro, dati, è l'unico necessario. L'array, che è necessario per trasformarsi in un frame di dati, è ora posizionato qui.
2. Indice: Questo è un indice o un indice simile a un array. Se non utilizziamo questo parametro, l'intervallo viene utilizzato per impostazione predefinita.
3. colonne: Queste sono etichette per le colonne in un indice o un frame di dati simile a un array. Ancora una volta, RangeIndex (0, 1, 2, ..., n) viene utilizzato per impostazione predefinita se non usiamo questo argomento.

Esempio 1:

Facciamo un array numpy chiamato "effettivo" con 5 righe e convertiamo in dati di dati passando l'array numpy.

Panda di importazione
importa numpy
# Considera l'array numpy
effettivo = numpy.Array ([[1, "Cooking", 200], [2, "Music", 3004], [3, "Hand Loom", 1000], [4, "Hand Loom", 2000], [5, "condimento ", 3000]])
print ("Array numpy:", effettivo, "\ n")
# Converti l'array sopra nel frame dati Pandas
convertito = panda.DataFrame (effettivo)
# Visualizza il telaio dati convertito
Stampa (convertito)

Produzione:

Spiegazione:
Dopo essersi convertiti in Panda DataFrame, gli indici sono [0,1,2,3,4] e le colonne sono [0,1,2].

Esempio 2: con il parametro delle colonne

Ora, passiamo i nomi delle colonne al frame dati insieme all'array numpy.

Panda di importazione
importa numpy
# Considera l'array numpy
effettivo = numpy.Array ([[1, "Cooking", 200], [2, "Music", 3004], [3, "Hand Loom", 1000], [4, "Hand Loom", 2000], [5, "condimento ", 3000]])
# Converti l'array sopra al Pandas DataFrame mediante nomi di colonne passign
convertito = panda.DataFrame (Effettivo, Columns = ['Id', 'Work', 'Wages'])
# Visualizza il telaio dati convertito
Stampa (convertito)

Produzione:

Spiegazione:
Ora puoi vedere i nomi delle colonne nel frame dati convertito. Sono ["id", "lavoro", "salari"].

Esempio 3: con il parametro indice

Ora passiamo i valori dell'indice, indice = ['persona 1', 'persona 2', 'persona 3', 'persona 4', 'persona 5'], al telaio di dati insieme all'array numpy al parametro indice.

Panda di importazione
importa numpy
# Considera l'array numpy
effettivo = numpy.Array ([[1, "Cooking", 200], [2, "Music", 3004], [3, "Hand Loom", 1000], [4, "Hand Loom", 2000], [5, "condimento ", 3000]])
# Converti l'array sopra al Frame dati Pandas aggiungendo l'indice
convertito = panda.DataFrame (Effettivo, Colons = ['Id', 'Work', 'Wages'], Index = ['Person 1', 'Person 2', 'Person 3', 'Person 4', 'Person 5'])
# Visualizza il telaio dati convertito
Stampa (convertito)

Produzione:

Spiegazione:
In precedenza, gli indici erano [0,1,2,3,4]. Ora puoi vedere gli indici per ogni riga.

Esempio 4: convertire una determinata riga

Facciamo un array numpy con 2 righe e convertiamo solo la prima riga nel telaio di dati Pandas.

Panda di importazione
importa numpy
# Considera l'array numpy
effettivo = numpy.Array ([["Health_Clinic", "Delhi", 522554], ["Medi View", "Francia", 434456]])
# Converti solo la prima riga dell'array numpy in dati
convertito = panda.DataFrame ([Effettivo [0]], colonne = ['ospedale', 'indirizzo', 'pincode'], index = ['h1'])
# Visualizza il telaio dati convertito
Stampa (convertito)

Produzione:

Spiegazione:
Qui, dobbiamo passare il cappello da indice di riga deve essere convertito in Array Numpy.
Per convertire solo la prima riga in dati di dati, dobbiamo passare l'indice come 0.

Conclusione

Hai imparato come convertire un array in un telaio di dati in questo Pandas. Hai studiato per la prima volta sugli oggetti Panda DataFrame e Numpy Arrays. Sono state discusse la classe di sintassi e dati di dati, che possiamo utilizzare per generare gli oggetti del frame di dati. Quindi, abbiamo esaminato tre istanze in cui abbiamo trasformato gli Arres Numpy in Panda DataFrames.