Pandas a Numpy
Metodi per trasformare la serie "Panda" in "Numpy Array"
I "Panda" facilitano tre metodi distinti che ci aiutano a trasformare la serie "Panda" in "Numpy Array". Questi metodi sono discussi in questa sezione:
- panda.serie.funzione to_numpy ()
- panda.serie.Valori proprietà
- panda.serie.Proprietà dell'array
Applicheremo questi metodi alla serie "Panda" per trasformare la serie "Panda" in "Numpy Array". Mostreremo anche diversi esempi in questo articolo in cui utilizziamo questi metodi.
Esempio # 01
Questi codici sono presentati in questo articolo utilizzando lo strumento "Spyder". Per la creazione della serie "Pandas", dobbiamo "importare" i moduli di "Panda". Quindi, abbiamo aggiunto "importazione" e, con l'aiuto di questa "importazione", stiamo importando il "panda come PD". Quindi, abbiamo creato una serie mettendo "PD.Serie "e aggiunto" Finlandia, Danimarca, Ungheria, Angola, Israele, Cina e America "in questa serie e anche archiviato questa serie nella variabile" Series_data ". Abbiamo la "print ()" in cui mettiamo "serie_data", quindi questa serie verrà stampata sul terminale. Mostriamo semplicemente la serie e, dopo aver mostrato la serie, convertiremo questa serie in "Numpy Array".
La serie viene visualizzata qui mentre abbiamo eseguito questo codice con l'aiuto delle chiavi "Shift+Enter". Si noti che la serie contiene i valori dell'indice predefinito. Andiamo avanti per trasformare questa serie in Numpy Array.
Stiamo utilizzando i "panda.serie.Metodo to_numpy () ", che cambierà la serie in Numpy Array. Abbiamo aggiunto una variabile "array" per la memorizzazione dell'array numpy, che otteniamo dopo aver applicato il "panda.serie.TO_NUMPY () ”FUNZIONE. Posizioniamo il nome della serie, che è "serie_data", quindi il metodo "to_numpy ()". Quindi, questa serie si converte nell'array numpy. Vogliamo anche mostrare questo array numpy, quindi abbiamo aggiunto la variabile "array" in "Print ()".
La serie precedente è ora trasformata nell'array numpy ed è anche mostrata in questo risultato. L'array numpy non contiene i valori dell'indice come mostrato qui:
Esempio # 02
Abbiamo utilizzato due biblioteche, "Panda" e "Numpy". La serie che abbiamo creato è il "Job_data" utilizzando "PD.Serie ", e contiene" libero professionista, ingegnere del software, medico, scrittore tecnico, insegnante, istruttore e costruttore ". Prima stampiamo questa serie "Job_data", quindi convertiamo la serie "Job_data" nell'array numpy mettendo il "NP.Array () "Metodo e aggiungendo il nome della serie, e posizionando anche" Array "con il nome della serie all'interno di questa funzione. Questo trasformerà la serie "Job_data" in "Numpy Array" e la salverà in "Job_array". Quindi, passiamo "Job_array" alla "stampa".
La serie e l'array numpy sono mostrati in questo output. Si noti che la serie contiene i valori dell'indice, ma l'array numpy non ha i valori dell'indice.
Esempio # 03
La serie "Fruts_data" in questo codice contiene "Mulberry, Date Palm, Cherry, Orange, Peach, Albicot, Olive, Mela, Pear e Watermelon". Quindi scriviamo "print ()" e aggiungiamo "FRUITS_DATA". Successivamente, trasformiamo la serie "Fruts_data" nell'array numpy con l'aiuto del metodo "To_numpy ()". Questo array numpy è anche archiviato in "Fruits_array" e il "Fruits_array" viene aggiunto a "Print ()".
Ecco la serie "Pandas" e l'array numpy nel risultato del codice precedente. Puoi anche osservare la serie e le differenze di array numpy qui:
Esempio # 04
Qui, abbiamo usato biblioteche "numpy" e "panda". Utilizzando “PD.Serie ", abbiamo costruito una serie chiamata" Data "che include" AY123, AY678, AY876, AY908, AY987, AY912, AY456 e AY012 ". La serie "Data" viene prima stampata, quindi viene trasformata in un array numpy utilizzando il "NP.Metodo array () ", aggiungendo il nome della serie, quindi" valori ". Stiamo anche memorizzando l'array numpy nella variabile "new_array". La serie "Data" si trasformerà in "Numpy Array" e verrà salvata nel "New_array."Il" new_array "viene quindi passato alla" stampa ".
Questo dato output visualizza sia la serie che l'array numpy. Tieni presente che l'array numpy manca dei valori dell'indice ma la serie contiene valori dell'indice.
Esempio # 05
Ora stiamo creando il frame dati "S_DF" posizionando il metodo "Panda", che è "DataFrame ()" in questo caso. Abbiamo aggiunto colonne diverse e ogni colonna del frame dati è anche chiamata serie. Abbiamo aggiunto "nome" che contiene "Roman, Collins, Ethan, Poppy, Edward, Archie, Benjamin e Bromley". Quindi, i "segni" arriva dopo, aggiungendo "278, 344, 239, 310, 485, 298, 453 e 670". Successivamente, abbiamo inserito "37%, 54%, 15%, 59%, 76%, 34%, 61%e 80%" nella colonna "Percentuale". Digitiamo "print ()" e aggiungiamo "s_df" ad esso. Quindi, verrà visualizzato "S_DF".
Ora stiamo convertendo due colonne del Frame dati nell'array numpy perché abbiamo anche discusso che la colonna del frame dati è anche la serie di "panda". Per prima cosa convertiamo la serie "Nome" nell'array numpy usando "NP.Array "e aggiunta di dati di dati" S_DF "con la colonna" Nome "e quindi digitare" valori "con esso. Abbiamo salvato questo array numpy nella variabile "my_array1" e poi abbiamo mostrato. Applichiamo lo stesso metodo, ma questa volta abbiamo menzionato la colonna "Marks" del telaio dati per convertirlo nell'array numpy. Questo secondo array numpy viene salvato in "my_array2" e aggiunto alla "stampa" per il rendering.
Il frame dati viene presentato per primo. Quindi, la colonna "Nome" o la serie "Nome" viene convertita nell'array numpy e visualizzata. Inoltre, la colonna "Marks" viene convertita nell'array numpy e resa qui.
Esempio # 06
Ora leggeremo il file CSV qui e quindi convertiremo i dati nel frame dati e nella serie. Inoltre, la serie nell'array numpy. Il "file_data" è inizializzato con il "PD.read_csv () ”Metodo e il percorso del file CSV viene inserito in esso. Stiamo leggendo il "file.CSV "e questo metodo converte i dati del file nel frame dati e li memorizza in" file_data ". Aggiungiamo anche il metodo "Dropna ()", che eliminerà i valori null se presenti in questo frame dati.
Ora usiamo "stampa" e dopo questo utilizziamo il "PD.Series () "Metodo e aggiungi il nome del Frame Data e una colonna di DataFrame, che è" S_LOCAZIONE ". Questo lo convertirà in una serie e lo salverà in "my_series". Stiamo applicando il metodo "To_numpy ()" per la conversione dei dati "s_location" nell'array numpy e il metodo "to_numpy" viene aggiunto in "stampa", quindi verrà visualizzato anche.
I dati che otteniamo dopo aver letto il "file.CSV ”viene visualizzato nel modulo di DataFrame e quindi una delle sue colonne," S_LOCASSI ", viene convertita nell'array numpy.
Conclusione
In questo articolo, abbiamo discusso dell'array numpy in "panda". Qui, abbiamo spiegato usando diversi metodi per trasformare una serie "panda" nell'array numpy. Abbiamo esaminato le idee di trasformare la serie in un array numpy e anche trasformare le colonne del frame dati in un array numpy. Inoltre, questo articolo ha dimostrato come gestire i valori null quando trasforma una serie in un array numpy. In questo tutorial, abbiamo usato tre metodi distinti, che facilitano notevolmente la conversione della serie nell'array numpy. Questo concetto è stato spiegato a fondo qui.