Panda to_records

Panda DataFrame è un formato di dati tabulari eterogenei bidimensionali mutabili a dimensioni con assi nominati. Per le operazioni matematiche, le etichette di riga e colonna devono essere sempre allineate. La struttura dei dati fondamentali dei Pandas è paragonabile a un detto in quanto funge da contenitore per gli articoli in serie.

DataFrame viene convertito in un array di record numpy utilizzando Pandas DataFrame.alla funzione record (). L'indice viene generalmente dato come campo iniziale del record. Discuteremo il metodo Panda To_records () con esempi in questo articolo.

Cos'è un frame di dati?

Panda è un popolare pacchetto di dati di dati Python per un motivo: fornisce strutture di dati potenti, espressive e flessibili che facilitano la manipolazione e l'analisi dei dati, tra le altre cose. Il frame dati è una di quelle strutture.

Un frame di dati è una struttura dati bidimensionale in cui i dati sono rappresentati sotto forma di righe e colonne. Un frame dati Panda è composto da tre componenti principali: dati, righe e colonne.

Poiché forniscono un modo flessibile e facile di archiviare e lavorare con i dati, i dati dei dati sono una delle strutture di dati più spesso utilizzate nell'analisi dei dati moderni.

Per creare un Frame Data Panda, elenchi, serie, DICTS, Numpy Ndarrays e un altro Frame di dati possono essere tutti utilizzati per creare un Frame Data PandaSas.

Qual è la sintassi dei panda.DataFrame.funzioni to_records ()?

Il metodo TO_RECORDS () è per la conversione di un frame dati in un array di record numpy pertinente. La funzione to_records () in panda ha la seguente sintassi.

# DataFrame.to_records (index = true, column_dtypes = nessuno, index_dtypes = nessuno)

Tutti i dettagli sui parametri sono nella sezione seguente.

Indice

Includi l'indice nell'array di record risultante, che può essere archiviato nel campo "indice" o accessibile tramite l'etichetta dell'indice, se uno è impostato.

Column_dtypes

Se il tipo di dati è una stringa o un tipo, verrà utilizzato per archiviare tutte le colonne.

Index_dtypes

Se il tipo di dati è una stringa o forse un tipo, verrà utilizzato per contenere tutti i livelli di indice. Se è un dizionario, la mappatura dei nomi dei livelli di indice, nonché gli indici, vengono utilizzati per specificare i tipi di dati. Solo se indice = true è questa mappatura utilizzata.

Discutiamo l'argomento approfondito con diversi esempi. È possibile implementare questi esempi e vedere per comprendere il concetto generale in modo migliore.

Esempio 1:

Il frame dati.la funzione to_records () di Python è di modificare il frame dati specificato in un array di record numpy. Considera come esempio il codice dato di seguito.

Abbiamo costruito un telaio di dati con valori per tre diverse qualità: "stipendio, nome dei dipendenti ed età"; 39000, 44000, 25000 e 55000 sono i valori per lo stipendio della proprietà.'Alex, Andrew, Zack e Kim sono tra i valori per l'attributo' Nome dipendente.'

Allo stesso modo, l'attributo dell'età comprende i valori 39, 44, 25 e 55. L'indice è stato costruito e impostato. Viene quindi stampato il frame dati.

Panda di importazione
d_frame = panda.DataFrame ('Stipendio': [39000, 44000, 25000, 55000],
"Nome dei dipendenti": ['Alex', 'Andrew', 'Zack', 'Kim'],
'Age': [39, 44, 25, 55])
INDICE_ = PANDAS.Date_Range ('2020-08-05 07:30', periodi = 4, freq = 'H')
d_frame.index = index_
Stampa (d_frame)

Lo stipendio, il nome dei dipendenti e i valori di età, nonché la data e l'ora, sono mostrati nello screenshot seguente.

Nella seguente schermata, viene mostrato il frame dati specificato su una rappresentazione di array di record numpy pertinente.

Panda di importazione
d_frame = panda.DataFrame ('Stipendio': [39000, 44000, 25000, 55000],
"Nome dei dipendenti": ['Alex', 'Andrew', 'Zack', 'Kim'],
'Age': [39, 44, 25, 55])
INDICE_ = PANDAS.Date_Range ('2020-08-05 07:30', periodi = 4, freq = 'H')
d_frame.index = index_
Stampa (d_frame)
risultato = d_frame.to_records ()
Stampa (risultato)

L'immagine successiva allegata spiega che il frame dati.La funzione to_records () viene utilizzata per modificare il telaio dati in una rappresentazione di array di record numpy pertinente.

Esempio 2:

Vedremo come utilizzare il frame dati.funzione to_records () nel secondo esempio. Il codice è simile a quello sopra menzionato. Questa volta abbiamo importato il modulo Pandas, quindi abbiamo generato il frame dati.

L'indice è stato quindi formato come mostrato nel codice: index_ = ["prima riga", "seconda riga", "terza riga", "quarta riga" e "quinta riga"]. Infine, abbiamo impostato l'indice e stampato i risultati di dati. Guarda l'ultima riga del codice.

Panda di importazione
dta_frame = panda.DataFrame ("1": [9, 3, 4, nessuno, 6],
"2": [8, 1, 22, 35, nessuno],
"3": [19, 9, 17, 6, 9],
"4": [55, 2, nessuno, 1, 9])
INDICE_ = ['First_row', 'Second_row', 'Third_row', 'Quarth_row', 'Fifth_row'
dta_frame.index = index_
Stampa (dta_frame)

Puoi vedere il risultato qui, che include l'indice e il frame dati.

Utilizzando il frame dati.a records () funzione, abbiamo convertito il frame dati dato. È possibile visualizzarlo nella seguente screenshot allegata.

Panda di importazione
dta_frame = panda.DataFrame ("1": [9, 3, 4, nessuno, 6],
"2": [8, 1, 22, 35, nessuno],
"3": [19, 9, 17, 6, 9],
"4": [55, 2, nessuno, 1, 9])
INDICE_ = ['First_row', 'Second_row', 'Third_row', 'Quarth_row', 'Fifth_row'
dta_frame.index = index_
Stampa (dta_frame)
risultato = dta_frame.to_records ()
Stampa (risultato)

Dopo aver apportato modifiche minime al codice di riferimento sopra, questo è il risultato. Il frame dati.La funzione to_records () altera un frame di dati specifico a una rappresentazione di array di record numpy pertinente.

Esempio 3:

Nel nostro ultimo esempio, esamineremo come convertire un frame di dati Panda usando la tecnica numpy: i panda. Il metodo To_numpy può essere utilizzato per trasformare questa struttura di dati in un array numpy.

Puoi vedere nel codice che abbiamo importato i moduli panda e numpy, che sono essenziali per l'esecuzione del codice. Abbiamo creato il telaio dati dopo aver importato i moduli. Ci sono 5 righe e 3 colonne di dati nel frame dati.

Successivamente, il frame dati viene trasformato in un array numpy. Vengono visualizzati il ​​telaio di dati trasformato e il suo tipo.

Panda di importazione
importa numpy
data_frame = panda.DataFrame (
data = numpy.casuale.Randint (
0, 10, (5,3)),
colonne = ["a", "b", "c"])
cls_res = data_frame.to_numpy ()
stampa (cls_res)
stampa (tipo (cls_res))

L'output è nel prossimo screenshot. I valori dei dati all'interno delle 5 righe di dati di dati costruiti e 3 colonne possono essere visualizzati qui. La classe viene visualizzata anche nell'ultima riga dell'output. Come illustrato sopra, il metodo Pandas DataFrame to Numpy () trasforma un frame di dati in un array numpy.

Conclusione:

La funzione To_record () in Python è descritta in questo articolo. Anche il telaio di dati di Pandas è ben insegnato con esempi. Vengono inoltre spiegati i passaggi per la conversione di un frame dati utilizzando il metodo TO_Records () DataFrame To_Records ().