Pandas .verdier
Syntaks:
Syntaksen for å få den numpy representasjonen av DataFrame er gitt nedenfor:
# Dataramme.verdierEksempel # 01:
For å utføre disse eksemplene, må vi installere Spyder -verktøyet. Etter installasjonen av dette verktøyet skriver vi noen koder som også vises nedenfor. Først må vi importere "Panda" som "PD". Python blir bedt om å importere Pandas 'databehandlingsbibliotek til den eksisterende koden av Import Pandas -delen av koden. Kodens PD -del instruerer Python om å tilordne Pandas forkortelsen til PD. Som et resultat kan du bruke Pandas -funksjoner ved å skrive bare PD. Deretter lager vi "DataFrame" under dette. Vi tildeler “PD.DataFrame ”til“ DF ”-variabelen. Vi legger navnet som kolonnens navn og plasserer noen navn for denne kolonnen.
Her legger vi til “John”, “Henry”, “Peter” og “Smith” til denne “Navn” -kolonnen. Så kommer "alder" -kolonnen, og vi legger til alderen på alle de som er "45", "25", "60" og "33". Det tredje kolonnenavnet er "Betal" her. Vi legger til betaling av dem alle som "12000", "35000", "15000" og "23500". Etter dette bruker vi "print ()" -uttalelsen som skriver ut denne datarammen i rader og kolonner. Lagre denne koden med navnet du velger, og filutvidelsen for dette vises automatisk.
For å få utfallet av denne koden, trykker vi bare på “Shift+Enter”, eller vi kan også bruke kjøreknappen på dette “Spyder” -verktøyet. Når vi trykker på kjøreknappen fra oppgavelinjen, kan vi få utdataene på terminalen til "Spyder" -verktøyet. Etter dette vil utdataene gjengi på skjermen. I det gitte bildet kan du observere at dataene er skrevet ut i rader og kolonner. Men vi ønsker å skrive ut disse dataene i den numpy representasjonen. Så for dette legger vi til noen flere linjer i koden ovenfor som også er gitt nedenfor denne skjermbildet.
For å få den "numpy" representasjonen, bruker vi "verdier" -attributtet med navnet på DataFrame som vi har opprettet ovenfor. Vi bruker en variabel som heter “RSLT” og tildeler “DF. Verdier ”til denne“ RSLT ”-variabelen slik at den vil gi den numpy representasjonen av DataFrame. For å skrive ut denne "numpy" representasjonen, bruker vi "print ()" -uttalelsen her.
Skjermbildet viser at dataene er representert som "numpy". Vi får denne "numpy" representasjonen ved hjelp av "verdier" -attributtet i koden vår. Det er ingen etiketter av DataFrame i denne numpy representasjonen.
Eksempel # 02:
Nå utfører vi et annet eksempel her for deg, og vi bruker igjen "verdiene" -attributtet i dette eksemplet. Vi starter koden vår ved å importere "Panda" som "PD". Dette vil hjelpe oss med å bruke Pandas funksjon ved bare å sette "PD". Etter dette har vi en variabel som heter “DF1”, og vi initialiserer den med en DataFrame ved bare å skrive “PD.Dataramme". Vi lager fire forskjellige kolonner for denne DataFrame som "navn", "alder", "lønn" og "yrke". Vi legger noen navn i "Navn" -kolonnene og bruker også "Ingen" nøkkelordet her. Denne "ingen" brukes til å definere en nullverdi. Vi legger til to navn “Alies” og “Peter”, og to “Ingen” nøkkelord i denne “Navn” -kolonnen.
Deretter har vi "alderen". Vi legger til aldersdata som "55", "64" og "39". Vi bruker også "ingen" for denne "alder" -kolonnen. Vi legger til “25000”, “55000”, “28000”, og også ett “Ingen” nøkkelord for “Pay” -kolonnen. Så kommer "yrket". Vi har "IT Professional" og "SE Engineer" og de resterende to som "ingen". Først skriver vi ut denne "DataFrame" som vises i skjema for rader og kolonner, og deretter bruker vi “Verdier” -attributtet til DataFrame “DF1” og tildeler dette til “DF2”. Vi skriver det som “DF1.verdier ”og initialiser“ DF2 ”med dette. Nå skriver vi ut denne "DF2", og du vil se at den returnerer den numpy representasjonen av denne dataframmen og vil fjerne etikettene som vi har lagt til i DataFrame. Lagre denne koden, og så kan vi få resultatet av denne koden.
Vi trykker på “Shift+Enter”, og denne gitte utgangen er gjengitt på terminalskjermen. Her kan vi enkelt se dataene i DataFrame som vises i rader og kolonner. Etikettene er også nevnt, og under dataene er det gjengitt i den numpy representasjonen og etikettene fjernes fordi vi har brukt "verdiene" -attributtet med navnet "DataFrame". Her observerer du at det gjengir “nan” for “ingen”.
Eksempel # 03:
Nå har vi det tredje og det siste eksemplet der vi vil bruke "verdier" -attributtet. Vi importerer igjen "Pandas" som "PD". Årsaken til å importere “Pandas som PD” er allerede diskutert i kodene ovenfor. Vi lager en "dataaframe" ved å sette "PD.Dataramme". Vi tildeler denne “PD.DataFrame ”til en variabel og navnet på den variabelen er“ DF3 ”. Vi legger til noen data i DataFrame.
Som vi har diskutert, vil disse dataene bli gjengitt i form av rader og kolonner. Vi legger til “David”, “John”, “550” og “900” i den første raden i DataFrame. Vi legger også til "Alies", "William", "400" og "900" i andre rad. I den tredje raden legger vi til “Emma”, “Noah”, “655” og “900”. Til slutt legger vi til “Alexander”, “Thomas”, “700” og “900”. Nå bruker vi "verdiene" nøkkelordet for å få numpy representasjon. Vi initialiserer "Resultat" -variabelen og initialiserer den med “DF3. verdier ”. Deretter ønsker vi å skrive ut denne numpy representasjonen av DataFrame som vi får etter å ha brukt denne "verdier" -attributtet. Så vi bruker "print ()" og passerer "resultatet" som parameter for denne funksjonen. Det vil returnere den "numpy" representasjonen på utgangsterminalen. Lagre denne koden nå.
Skjermbildet som er gitt nedenfor er den numpy representasjonen. Vi får denne utgangen ved å bare trykke på "Shift+Enter" som vi også har diskutert ovenfor.
Konklusjon
Vi presenterte denne artikkelen for å forklare konseptet med "Pandas Values" -attributtet. Vi har forklart dette konseptet i detalj, slik at du lett vil forstå hvordan du bruker "verdier" -attributtet. Vi har diskutert at "verdier" -attributtet brukes for å få den numpy representasjonen av DataFrame. I den numpy representasjonen fjernes etikettene. Vi oppnår bare verdiene, ikke etiketter. Vi har undersøkt flere eksempler i denne artikkelen og forklarte også alle linjer med koder i detalj. Vi har gitt utdataene fra alle kodene her så vel som kodene.