Panda a String
La sintassi per la conversione del frame dati in stringa
La sintassi per ottenere la lunghezza dei valori della stringa presente in una colonna
Esempio 1: convertire il frame dati in stringhe utilizzando Applicmap (STR)
In Python, ci sono molti metodi costruiti per lavorare con le corde. Ognuno di questi metodi restituisce un nuovo valore senza alterare la stringa originale. Per i valori di stringa, viene utilizzato il tipo di dati "oggetto". In Python Panda, il tipo di dati di testo viene definito "stringa" o "oggetto". Una stringa può includere una frase di parole o può anche essere un numero. In questo caso, useremo "Applicmap (STR)" per trasformare un intero telaio in un tipo di stringa. "Applica (STR)" viene utilizzato per convertire i numeri interi in stringhe e l'applicazione (STR) viene utilizzato per convertire l'intero telaio in stringhe.
Parliamo ora dell'esecuzione del nostro codice. Per eseguire il nostro codice, abbiamo usato lo strumento "Spyder". La libreria Pandas deve essere importata prima come "PD". Costruiremmo quindi il nostro telaio. Il frame dati è chiamato "dati". Abbiamo tre colonne in questo frame dati "Corso", "Commissione" e "Credit Hour". Queste colonne ora hanno determinati valori assegnati a loro. Abbiamo un elenco di corsi "Python", "OOP", "Virtual_ Studio" e "Java" nella colonna "Corso". I valori per la colonna "Fee" abbiamo "35000", "30000", "20000" e "15000" e nell'ultima colonna "Credit_hour", abbiamo "3", "4", "3" e " 3 ". Pertanto, il "PD.DataFrame ”viene utilizzato per creare il frame di dati. In questa illustrazione, stiamo anche visualizzando i "tipi di dati" del nostro programma utilizzando la funzione "print ()" con "DF. tipi di dati". In sostanza, “DF.Datatypes ”viene utilizzato per creare un tipo di dati per un frame dati.
Ora stiamo trasferendo lo scopo principale del nostro programma. Per convertire il frame dati in una stringa, utilizziamo "DF.Applicmap (STR) ". Utilizzando il metodo "Applicamap ()", una funzione può essere applicata due volte a qualsiasi elemento di dati di dati. In Panda, la "STR" viene utilizzata principalmente per recuperare i valori dei frame di dati o delle serie. Ciò che sta accadendo in questo programma è che questa funzione converte i tipi di dati dai tipi di dati "interi" a "stringa". Invocando la funzione "Print ()", ora stiamo visualizzando il nostro telaio di dati e i suoi tipi di dati dopo aver utilizzato "ApplendMap (STR)".
Verranno visualizzati due frame dati con i tipi di dati nell'immagine di output del nostro programma. Possiamo vedere nel secondo frame dati che ha convertito il frame dati in una stringa modificando il tipo di dati. I tipi di dati interi sono ora mostrati come tipi di dati "oggetto". Per la stringa, utilizziamo "oggetto" come tipo di dati. Questo tipo di dati stringa "oggetto" consente di essere un singolo valore, numero o frase. Nel primo frame dati, i tipi di dati per le colonne "Commissione" e "Credit_hour" erano numeri interi; Tuttavia, dopo essere stati convertiti in stringhe, i tipi di dati per queste colonne vengono visualizzati come "oggetti". Infine, mostra "DType: Object", indicando che è stato convertito in una stringa.
Esempio 2: conversione dei valori della colonna in tipo stringa utilizzando la funzione "ASTYPE ()"
In questo esempio, un tipo di dati di una singola colonna verrà convertito in un tipo di "stringa". Nell'esempio precedente, l'intero telaio di dati è stato convertito in stringhe, mentre in questo caso, una sola colonna viene convertita in stringhe. Abbiamo convertito la colonna in tipo stringa usando la funzione "ASTYPE ()". La funzione "ASTYPE ()" nei panda viene utilizzata principalmente quando desideriamo trasformare un tipo di dati in un altro tipo di dati; Tuttavia, ci sono altri metodi alternativi in Python per cambiare contemporaneamente uno o più tipi di dati.
Ora inizia la codifica. La libreria Pandas deve prima essere importata come "PD."Il passaggio seguente prevede la creazione di dati con lo stesso nome dei" dati "dalla fase precedente. Questo frame dati ha quattro colonne "corso", "addebiti", "durata" e "sconto". Per ciascuna di queste colonne, abbiamo elencato alcuni valori. I valori nella prima colonna sono i seguenti "Java", "Graphic_Desiging", "Android_Studio" e "OOP". Nella seconda colonna, "Cariche", abbiamo "20000", "21000", "20000" e "24000". Abbiamo i valori "1_month", "2_month" e "3_month" nella terza colonna, "durata", e nella voce finale, abbiamo gli sconti "20%" e "30%" per i corsi. Il frame dati viene quindi generato utilizzando "PD.DataFrame ". Il frame dati verrà ora visualizzato sullo schermo utilizzando la funzione "print ()" e i suoi tipi di dati verranno anche stampati utilizzando "DF.comando dtypes ".
Ora useremo la funzione "ASTYPES ()" per convertire la colonna particolare in una stringa. Con "astype ()" e il nome della colonna dei parametri "cariche" e tipo di dati "stringa" all'interno di esso, stiamo convertendo la colonna "cariche" in una stringa in questo caso. Ora applicheremo la funzione "Print ()" per mostrare i risultati sullo schermo.
Come possiamo vedere, il tipo di dati per la colonna "carica" nel primo caso è "int64", il che significa che i valori nella colonna sono numeri interi, ma quando la colonna è stata convertita in una stringa, una "stringa" è stata mostrata in Front della "carica" come tipo di dati. Il tipo di dati per una stringa in Python è un "oggetto" e poiché le restanti tre colonne sono stringhe, ciò indica che ora l'intero telaio di dati verrà trasformato in stringhe.
Esempio 3: determinare la lunghezza della stringa per una determinata colonna in un frame di dati
In questo esempio, determineremo la lunghezza di ciascun valore di stringa per una determinata colonna nel frame dati. Usando la funzione "lunghezza ()", possiamo determinare la lunghezza dei valori della stringa. Questo metodo viene utilizzato per determinare i caratteri totali in una stringa di input.
Dopo aver importato la libreria Pandas per iniziare il terzo esempio del nostro articolo, dobbiamo costruire un frame di dati con tre colonne, simile all'esempio precedente, utilizzando "PD.DataFrame ". "Student_name", "roll_number" e "total_marks" sono disponibili come colonne. Queste colonne sono elencate con alcuni valori. "Albert", "Jhon", "Ava", "Oliver" e "Amelia" sono elencati nella prima colonna, mentre i loro numeri di rollio sono elencati nella seconda colonna come "1", "2", "3", " 4 "e" 5 ". E nella colonna finale, forniamo i loro segni finali "498", "470", "444", "390" e "489", rispettivamente. Ora che l'istruzione "DataFrame" è stata stampata, useremo la funzione "Print ()" per visualizzare il frame dati sotto di essa.
A seguito di questo, visualizziamo una riga di istruzione che dice "Calcolo della lunghezza della stringa in una colonna" e stiamo calcolando questo usando la funzione "lunghezza ()". Dal nostro frame dati possiamo osservare che la colonna "Student_name" contiene valori stringa in modo da poter determinare la lunghezza dei suoi valori. Usiamo questa colonna. Pertanto, stiamo utilizzando "DF [Nome studente]" con "Applica (LEN)". Ciò aggiungerà il numero totale di ciascuno dei valori in questa colonna, che verrà quindi visualizzata come una nuova colonna nel frame dati con il nome "Student_name_Length". Passiamo ai suoi risultati attualmente.
Qui vengono visualizzati due frame dati, come puoi vedere. Il secondo frame dati ha una colonna aggiuntiva, "Student_name_Length" e, come possiamo vedere, calcolerà l'intero numero di parole e la visualizzerà lì. Ad esempio, il nome "Albert" ha un totale di 6 caratteri. Ciò indica che questa funzione opera correttamente nel nostro programma.
Conclusione
I panda offrono vari metodi per trasformare un telaio di dati in una stringa. L'intero telaio di dati può essere convertito in una stringa usando "ApplicatMap (STR)", che trasformerà il numero intero del tipo di dati in stringa. Anche il calcolo dei caratteri dei valori di stringa in una colonna usando il metodo "lunghezza ()" è molto utile. Se desideriamo calcolare più valori singoli, questa tecnica Panda ci semplificherà. Sarà più semplice per noi lavorare se applichiamo piccole e semplici strategie. Prevediamo che se utilizziamo queste strategie in modo efficace, il nostro lavoro sarà troppo semplice.