Panda DataFrame Head

Python è una lingua eccellente per condurre analisi dei dati, in gran parte a causa della straordinaria comunità di pacchetti Python incentrati sui dati. Uno di questi strumenti, Panda, semplifica notevolmente il processo di importazione e analisi dei dati. In "Pandas" abbiamo frame dati e possiamo accedere alle righe superiori del frame dati semplicemente utilizzando il metodo "head ()". Le righe "N" superiori di un frame o serie di dati vengono restituite con il metodo head () in panda. Per impostazione predefinita, il valore di questa "n" è 5. Se utilizziamo solo "head ()" senza menzionare alcuna "n" come parametro, restituirà le prime cinque righe del frame dati. Se posizioniamo qualsiasi numero come parametro, allora restituirà righe in base al numero dato, che viene passato come parametro della funzione "head ()". Le prime voci iniziali dell'oggetto chiamante vengono restituite in una forma condensata. Impareremo in modo approfondito sulla funzione "head ()" in "panda" in questa guida.

Sintassi:

# DataFrame.Testa (N)

Per impostazione predefinita, il valore di questa n è 5 e possiamo anche cambiare il valore di n secondo la nostra scelta.

Esempio # 01:

Inizieremo alcune dimostrazioni pratiche della funzione "head ()" nel nostro codice "panda" per cancellare questo concetto per te. Ogni volta che eseguiamo il codice Pandas, dobbiamo importare la funzione "panda". Quindi qui stiamo importando questo nello strumento "Spyder" e quindi abbiamo un elenco casuale chiamato "Sales_List". Questo "Sales_list" trasporta quattro colonne e ogni colonna contiene alcune informazioni.

La prima colonna che creiamo qui è la colonna "Nome", in cui i dati che abbiamo inserito sono "Joseph, Emma, ​​Edward, Thomas, Ryan, Jessica, Tyler, Samuel e Olivia". La prima colonna è composta da nove nomi diversi. Poi arriva il secondo con il nome "regione" in cui mettiamo "est, nord, ovest, est, nord, sud, est, ovest e sud". La colonna in vista è la colonna "vendite" e contiene anche prezzi di vendita, che sono "30000, 50000, 55000, 40000, 60000, 35000, 30000, 50000 e 40000". Qui le tre colonne sono completate e l'ultima colonna che abbiamo è la colonna "Spese". In questa colonna "Spese", aggiungiamo "10000, 23000, 10000, 12000, 25000, 35000, 14000, 16000 e 22000". Abbiamo completato questo "Sales_list" qui e ora stiamo convertendo questo "Sales_List" nel Frame dati utilizzando il metodo Pandas Datafarame. L'abbiamo chiamato "Sales_DF" e visualizzato questo Frame di dati "Sales_DF".

Ora, dobbiamo accedere alle righe superiori di questo frame dati, quindi per questo utilizziamo il metodo "head ()" qui. Questo metodo accederà alle prime cinque righe del frame dati come valore predefinito per questo metodo "head ()" è cinque. Mettiamo questo metodo all'interno della "print ()" in modo che le prime cinque righe del frame dati verranno stampate anche sul terminale.

Colpendo l'icona di corsa, il risultato di questo codice viene reso sul terminale. Qui il primo frame dati contiene nove righe, quindi abbiamo applicato il metodo "head ()" a questo telaio di dati che restituisce le prime cinque righe di quel telaio dati.

Esempio # 02:

Stiamo iniziando un altro esempio qui importando i "panda come PD" e generando il "Item_list" che contiene colonne "legno, vetro e acciaio" e i dati che inseriamo in queste colonne sono "letto, tavolo, sedia, porte, finestra e mobile "nella colonna" Wood ". Lo "specchio, angolo, table_glass, cornice, specchio della finestra e decorazioni in vetro" sono nella colonna "vetro" e l'ultima colonna "acciaio" contiene "utensili, rack, bacino, rubinetto, doccia e scala in acciaio".

Questo "item_list" viene ora modificato in dati "elementi_df". Il "PD.DataFrame ”aiuta a convertire l'elenco in DataFrame. Quindi questo "item_df" è reso di seguito. Successivamente, accediamo alle prime tre righe del frame dati posizionando la funzione "head ()". Passiamo "3" come parametro della funzione "head ()", quindi accederà alle prime tre righe di "Item_DF". Le prime tre righe di "item_df" appariranno anche sul terminale perché abbiamo inserito il metodo "head ()" all'interno dell'istruzione "print ()".

Dopo aver visualizzato l'intero "item_df", accede alle prime tre righe da questo "item_df" e le mostra anche qui sul terminale.

Esempio # 03:

Importando "panda come pd" e creando "Property_list" con code_no, "Saler_name e buyer_name", stiamo iniziando un nuovo esempio qui. I dati che inseriamo in queste colonne includono "A1211, A1213, A1214, A1215, A1216, A1217, A1218 e A1219" nella prima colonna. La seconda colonna contiene il "Smith, Noah, Joseph, Mishi, William, Taylor, Samuel, Robert e Rick", mentre l'ultima colonna "Steel" ha il "Peter, George, James, Samuel, Olivia, Leo, Leo, Peter e Bills ". DataFrame "Property_DF" ha sostituito questo "Property_List" a questo punto perché abbiamo utilizzato il "PD.DataFrame ”qui.

L'elenco viene trasformato in un telaio di dati con l'aiuto di "PD.DataFrame ". Di seguito viene quindi visualizzato il "Property_Df". Successivamente, la funzione "head ()" viene utilizzata per recuperare le prime cinque righe del frame dati. La funzione "Head ()" accederà alle prime cinque righe di "Property_DF" perché lo abbiamo fornito il valore "5". Abbiamo inserito il metodo "head ()" all'interno della linea "print ()"; Anche le prime cinque righe di "Property_Df" verranno visualizzate sulla console.

Qui, recupera le prime cinque righe di questo "Property_Df" e visualizza anche queste righe qui sulla console, dopo aver mostrato l'intero "Property_DF."

Esempio # 04:

In questo esempio metteremo il valore negativo all'interno della funzione "head ()". Utilizziamo la "proprietà_df" che abbiamo creato nel terzo esempio, e questa volta posizioniamo il valore negativo come parametro della funzione "head ()" per sapere cosa fa questa funzione "head ()" quando mettiamo un negativo valore in esso. Posizioniamo "-2" come parametro di questo metodo "head ()". Abbiamo anche messo di nuovo questo metodo head () nell'istruzione di stampa in modo che il risultato verrà visualizzato anche sulla console.

Si noti che, in questo output, recupera e visualizza tutte le righe tranne le ultime due righe del frame dati. Questo perché utilizziamo il valore "-2" come parametro della funzione "head ()", rimuove le ultime due righe e visualizziamo tutte le righe rimanenti sulla console qui.

Esempio # 05:

Possiamo anche applicare questo metodo al file CSV. In questo esempio, discuteremo di come recuperare le righe dal file CSV. Il file CSV, che è già presente, è mostrato di seguito. Ora recupereremo le righe da questo file CSV con l'aiuto del metodo "head ()".

Utilizziamo la funzione "read_csv" qui dopo aver importato la funzione "panda" come PD. Per l'importazione del file CSV come frame dati di "panda", utilizziamo la funzione read_csv in Panda. Posizioniamo il nome del file i cui dati vogliamo importare come frame dati nella funzione "read_csv". Il nome del file qui è "File.CSV "e salviamo questi dati nella variabile" DF ". Ora applichiamo il metodo "head ()" a questo "df" e recuperiamo righe "4" di questo telaio dati inserendo "4" nella funzione "head ()". Questo otterrà le prime quattro righe e stampa quelle quattro righe sulla console.

Qui, puoi osservare che solo le prime quattro righe sono stampate qui sullo schermo, che sono presenti nel file CSV.

Conclusione:

Questa guida ti insegnerà come puoi utilizzare il metodo "head ()" in "Panda". Il nostro obiettivo principale è spiegare chiaramente e conciso il concetto dell'approccio "head ()" in "panda" per te. Abbiamo descritto come possiamo ottenere le righe iniziali "N" di un frame di dati o serie utilizzando la funzione Pandas "Head ()". In questa guida, abbiamo eseguito cinque casi in cui abbiamo usato il metodo "head ()" in "panda" per recuperare le righe superiori del frame dati. Dopo aver letto questa guida, ti permetterà di passare a una fase più avanzata della programmazione "Panda".