Pandas Convert Series in DataFrame
La serie Pandas è un array unidimensionale che include etichette sugli assi. L'oggetto accetta indicizzazione basata su interi e etichetta e ha una profusione di tecniche per l'esecuzione di azioni correlate all'indice. La generazione di nuove colonne di serie derivate o attuali è una sfida impegnativa nell'ingegneria delle caratteristiche. Utilizzando le funzionalità native di Pandas, la serie o la colonna di recente generazione potrebbe essere trasformata in un frame di dati.
Pandas Convert Series in DataFrame
Convertire una serie in un telaio di dati in Panda è un approccio abbastanza semplice. Per trasformare in modo efficiente una serie in un frame di dati, i panda utilizzano il incorniciare() funzione.
Questa funzione utilizza la seguente sintassi:
Ha un parametro "nome". Se la serie ha un nome, dovrebbe essere usata al posto del nome passato. La rappresentazione di dati di serie verrà restituita da questa funzione.
In questo tutorial, ti spiegheremo il metodo per convertire la serie Pandas in dati con l'aiuto di esempi pratici.
Esempio 01: usando i panda .Metodo to_frame () per convertire una serie in dataframe
Usiamo lo strumento "Spyder", che è uno strumento affidabile e semplice per scrivere e assemblare i codici Python. Nell'ambiente "Spyder" apriamo un nuovo file Python e iniziamo a scrivere il nostro script. Dato che stiamo lavorando con le caratteristiche Panda, quindi il requisito principale e principale è importare "panda come PD". Ciò consente a tutte le funzionalità di Pandas nel nostro file Python.
Creiamo quindi una serie "New_ser" utilizzando il "PD.Series () "Metodo che viene impiegato per costruire una serie Pandas. Inizializziamo la serie con otto valori interi che sono "8", "4", "3", "9", "11", "6", "15" e "21". Questa serie è memorizzata nella variabile "New_ser". Ora possiamo accedere alla serie utilizzando questo nome variabile.
Ora, dobbiamo vedere la nostra serie Pandas appena creata. Qui i panda ci forniscono una funzione "print ()" che visualizza i dati memorizzati in una variabile o un oggetto passato ad essa. Dato che vogliamo stampare la serie "new_ser", quindi utilizziamo questa variabile come parametro all'interno delle parentesi graffe della funzione "print ()".
Premere il pulsante "Esegui file" situato sull'intestazione dello strumento "Spyder". O in alternativa, è possibile utilizzare i tasti "Shift+Enter" per eseguire lo script. Ora, l'output può essere visto sul terminale. Prima creiamo una serie e quindi la assegniamo 8 valori interi che possono essere osservati nell'immagine di output fornita di seguito.
Controlliamo il tipo di oggetto della variabile "new_ser". Usiamo il metodo "type ()" per trovare il tipo di oggetto. Dobbiamo fornire il nome dell'oggetto o della variabile, il cui tipo di oggetto dobbiamo visualizzare all'interno delle parentesi di questa funzione. Come abbiamo incluso la variabile "new_ser" come parametro per la funzione "type ()". Quindi inseriamo la funzione "type ()" all'interno della funzione "print ()", poiché abbiamo incluso la variabile "new_ser" come parametro alla funzione "type ()".
Di nuovo premi il pulsante "Esegui file" per eseguire il file Python per ottenere l'output sul terminale. Controlla se viene invocato un parametro ad esso quando viene invocata la funzione "print ()". Lo abbiamo fornito con la funzione "Tipo (new_ser)", quindi visualizzerà il tipo di oggetto dell'oggetto "new_ser". L'immagine di output mostra nell'ultima riga ".Estensione della serie ", il che significa che l'oggetto è di tipo in serie.
Ora convertiremo la serie "New_ser" nel Frame dati Pandas. Per questa conversione, i panda ci forniscono un metodo molto semplice e diretto che è "to_frame ()". Abbiamo creato un oggetto DataFrame o una variabile "new_df" e gli abbiamo assegnato l'output di invocare il metodo "to_frame ()". Dobbiamo usare la funzione "To_Frame ()" con il nome dell'oggetto serie, che vogliamo convertire in un Frame Data.
Abbiamo anche usato il parametro di questa funzione "nome" e gli abbiamo assegnato il nome "numeri" come abbiamo usato "new_ser.to_frame (name = 'numeras') ". Verrà presentato come il nome della colonna nel frame dati. Quindi, utilizziamo il metodo "Print ()" con l'oggetto DataFrame come parametro per visualizzare il Frame di dati risultante. Qui, utilizziamo un'altra funzione "print ()" con la funzione "type ()" per determinare il tipo di oggetto per la variabile "new_df".
Puoi vedere nell'immagine di output la serie che creiamo e quindi il frame dati che abbiamo generato dalla serie correttamente. Per la verifica del tipo di oggetto il metodo "type ()" definisce i tipi per entrambi gli oggetti. All'inizio era ".Serie ”e poi quando convertiamo la serie in dati, si è rivolta a".DataFrame ".
Esempio 02: usando i panda .Metodo to_frame () per convertire più serie in dataframe
Nell'illustrazione sopra, convertiamo una serie in una serie. Ora, questa dimostrazione spiegherà come convertire più serie in un frame dati.
Ora costruiamo la serie Pandas. Per questo caso, creiamo 3 serie. La prima serie è "Nome" e memorizza cinque nomi che sono "Albert", "Boran", "Charlie", "Daren" e "Elsa". La seconda serie che generiamo è "punti" che contiene la stessa lunghezza dei valori che è 5 e ha valori "44", "10", "31", "52" e "18". L'ultima serie "Assist" contiene valori "10", "3", "7", "15" e "5.
Dobbiamo quindi visualizzare tutta la serie uno per uno usando la funzione "print ()". Usiamo prima l'oggetto "Nome" nella funzione "Print ()", quindi "Punti". Infine, "assist" viene passato al metodo "print ()".
Quando eseguiamo il codice sopra menzionato premendo il pulsante "Esegui file" dello strumento "Spyder", otteniamo 3 serie stampato sul terminale uno dopo l'altro.
Faremo uso del metodo Pandas "to_frame ()" qui. Per prima cosa abbiamo creato una variabile "name_df" per archiviare i dati generati dalla serie "nome" e assegniamo il metodo "to_frame ()" Proprietà del metodo "nome" Il valore "nome" come titolo della colonna. Creiamo quindi altre 2 variabili come "punti_df" e "assist_df" per archiviare rispettivamente le serie di dati convertite dalle serie "punti" e "assist". Assegniamo il titolo "Points_df" un titolo "punti" e "assist_df" il titolo "assist" usando la proprietà "nome" del metodo "to_frame ()".
Creiamo un oggetto "finale" per archiviare il frame dati completo. Per legare tutti i 3 frame dati, utilizziamo il "PD.Concat () ”e passare i 3 frame dati come valori. Leggerà tutti i frame dati in un solo frame di dati completo e lo memorizzerà nell'oggetto "finale". Infine, utilizziamo il metodo "Print (Final)" per visualizzare il frame dati memorizzato nell'oggetto "finale".
Quando eseguiamo il codice sopra, visualizziamo una serie di dati di dati convertiti con tre colonne, denominate "nome", "punti" e "assist".
Conclusione
Questo articolo è una guida per imparare e comprendere il concetto di conversione in serie in un frame di dati Panda. Trasformare una serie in un telaio di dati è una pratica facile utilizzando le funzionalità Panda. Ti abbiamo spiegato per la prima volta le tecniche per convertire una singola serie in un frame di dati e quindi abbiamo elaborato la conversione di più serie in più frame di dati e quindi combinando tutti i frame dati a colonna singola in un singolo telaio di dati concatenati utilizzando il metodo "Concat () di panda. Abbiamo anche fornito un output per ogni approccio che abbiamo utilizzato. Prevediamo che questo pezzo di scrittura sarebbe dimostrato benefico per afferrare le caratteristiche dei panda.