Hvordan lage pandas dataaframe i python?

Pandas DataFrame er en 2D (todimensjonal) kommentert datastruktur der data er justert i tabellform med forskjellige rader og kolonner. For enklere forståelse oppfører DataFrame seg som et regneark som inneholder tre forskjellige komponenter: indeks, kolonner og data. Pandas Dataframes er den vanligste måten å utnytte Pandas gjenstander.

Pandas Dataframes kan opprettes ved hjelp av forskjellige metoder. Denne artikkelen vil forklare alle mulige metoder som du kan opprette Pandas DataFrame i Python. Vi har kjørt alle eksempler på Pycharm -verktøyet. La oss starte implementeringen av hver metode én etter en.

Grunnleggende syntaks

Følg følgende syntaks mens du opprettet DataFrames i Pandas Python:

PD.DataFrame (DF_DATA)

Eksempel: La oss forklare med et eksempel. I dette tilfellet har vi lagret dataene om studentens navn og prosenter i en "Students_data" -variabel. Videre ved å bruke PD.DataFrame (), vi har laget et DataFrames for å vise studentens resultat.

Importer pandaer som PD
Studenter_data =
'Navn': ['Samreena', 'Asif', 'Mahwish', 'Raees'],
'Prosent': [90,80,70,85]
Resultat = PD.DataFrame (Students_data)
trykk (resultat)

Metoder for å lage Pandas dataframes

Pandas Dataframes kan opprettes ved hjelp av de forskjellige måtene vi vil diskutere i resten av artikkelen. Vi vil skrive ut studentens kurs resultere i form av dataframes. Så ved hjelp av en av følgende metoder kan du lage lignende dataframmer som er representert i følgende bilde:

Metode nr. 01: Opprette Pandas DataFrame fra Dictionary of Lists

I det følgende eksempel opprettes dataframmer fra ordbøkene til lister relatert til studentens kursresultater. Importer først et Pandas bibliotek og oppretter en ordbok med lister. Dict -nøklene representerer kolonnenavn som 'Student_name', 'Course_title' og 'GPA'. Lister representerer kolonnens data eller innhold. Variabelen 'Dictionary_lists' inneholder dataene til studenter som videre er tildelt "DF1" -variabelen. Ved hjelp av utskriftserklæringen, skriv ut alt innholdet i DataFrames.

Eksempel:

# Importer biblioteker for pandaer og numpy
Importer pandaer som PD
# Importer Pandas bibliotek
Importer pandaer som PD
# Lag en ordbok for listen
Dictionary_lists =
'Student_name': ['Samreena', 'Raees', 'Sara', 'Sana'],
'Course_title': ['Sqa', 'Sre', 'It Basics', 'Artificial Intelligence'],
'GPA': [3.1. 3.3, 2.8, 4.0]
# Lag DataFrame
DFrame = PD.DataFrame (Dictionary_lists)
Print (DFrame)

Etter å ha utført koden ovenfor, vises følgende utdata:

Metode nr. 02: Lag Pandas DataFrame fra Dictionary of Numpy Array

DataFrame kan opprettes fra dikten for matrise/liste. For dette formålet må lengden være den samme som alle fortelleren. Hvis noen indeks er bestått, bør indekslengden være lik matrisens lengde. Hvis ingen indeks blir bestått, i dette tilfellet, standardindeksen til å være et område (n). Her representerer n matrisens lengde.

Eksempel:

Importer numpy som NP
# Lag et numpy matrise
nParray = np.Array (
[['Samreena', 'Raees', 'Sara', 'Sana'],
['Sqa', 'Sre', 'It Basics', 'Artificial Intelligence'],
[3.1. 3.3, 2.8, 4.0]])
# Lag en ordbok for nparray
Dictionary_of_nParray =
'Student_name': nparray [0],
'Course_title': nparray [1],
'GPA': nparray [2]
# Lag DataFrame
DFrame = PD.DataFrame (Dictionary_OF_NParray)
Print (DFrame)

Metode nr. 03: Opprette Pandas DataFrame ved hjelp av listen over lister

I følgende kode representerer hver linje en enkelt rad.

Eksempel:

# Import bibliotek pandas pd
Importer pandaer som PD
# Lag en liste over lister
group_lists = [
['Samreena', 'Sqa', 3.1],
['Raees', 'Sre', 3.3],
['Sara', 'It Basics', 2.8],
['Sana', 'kunstig intelligens', 4.0]]
# Lag DataFrame
DFrame = PD.DataFrame (Group_lists, Columns = ['Student_name', 'Course_title', 'GPA'])
Print (DFrame)

Metode nr. 04: Opprette Pandas DataFrame ved hjelp av listen over ordbok

I den følgende koden representerer hver ordbok en enkelt rad og nøkler som representerer kolonnenavnene.

Eksempel:

# Importer bibliotekpandaer
Importer pandaer som PD
# Lag en liste over ordbøker
dict_list = [
'Student_name': 'Samreena', 'Course_title': 'SQA', 'GPA': 3.1,
'Student_name': 'Raees', 'Course_title': 'Sre', 'GPA': 3.3,
'Student_name': 'Sara', 'Course_title': 'It Basics', 'GPA': 2.8,
'Student_name': 'Sana', 'Course_title': 'Artificial Intelligence', 'GPA': 4.0]
# Lag DataFrame
DFrame = PD.DataFrame (DICT_LIST)
Print (DFrame)

Metode nr. 05: Opprette Pandas DataFrame fra Dict of Pandas Series

Dict -tastene representerer navnene på kolonner og hver serie representerer kolonneinnhold. I følgende kodelinjer har vi tatt tre typer serier: name_series, course_series og gpa_series.

Eksempel:

# Importer bibliotekpandaer
Importer pandaer som PD
# Lag serien med studentnavn
Name_series = pd.Serien (['Samreena', 'Raees', 'Sara', 'Sana'])
Course_Series = PD.Serie (['sqa', 'sre', 'It Basics', 'Artificial Intelligence'])
Gpa_series = pd.Serie ([3.1. 3.3, 2.8, 4.0])
# Lag en serieordbok
Dictionary_of_nparray
\
'] = ' Navn ': name_series,' alder ': kurs_serier,' avdeling ': gpa_series
# DataFrame Creation
DFrame = PD.DataFrame (Dictionary_OF_NParray)
Print (DFrame)

Metode nr. 06: Lag Pandas DataFrame ved å bruke ZIP () -funksjon.

Ulike lister kan slås sammen gjennom listen (ZIP ()) -funksjonen. I det følgende eksemplet opprettes Pandas DataFrame ved å ringe PD.DataFrame () -funksjon. Det opprettes tre forskjellige lister som er slått sammen i form av tuples.

Eksempel:

Importer pandaer som PD
# Liste1
Student_name = ['Samreena', 'Raees', 'Sara', 'Sana']
# Liste2
Course_Title = ['Sqa', 'Sre', 'It Basics', 'Artificial Intelligence']
# LIST3
GPA = [3.1. 3.3, 2.8, 4.0]
# Ta listen over tuples fra tre lister videre, slå dem sammen ved bruk av zip ().
Tuples = List (ZIP (Student_name, Course_title, GPA)))
# Tilordne dataverdier til tuples.
tuples
# Konvertere tuples -listen til Pandas DataFrame.
DFrame = PD.DataFrame (Tuples, Columns = ['Student_name', 'Course_title', 'GPA'])
# Skriv ut data.
Print (DFrame)

Konklusjon

Ved hjelp av metodene ovenfor kan du opprette Pandas Dataframes i Python. Vi har skrevet ut en students kurs GPA ved å lage Pandas Dataframes. Forhåpentligvis vil du få nyttige resultater etter å ha kjørt de ovennevnte eksemplene. Alle programmene er kommentert godt for bedre forståelse. Hvis du har flere måter å lage Pandas Dataframes, ikke nøl med å dele dem med oss. Takk for at du leste denne opplæringen.