Pandas dataaframe fra liste over dikter

Pandas dataaframe fra liste over dikter
En "to dimensjonert" etikettdatastruktur kalt en "pandas dataaframe" har kolonner som kan være av mange slag. Det er vanligvis "pandas" -objektet som brukes mest. “Pandas” gir forskjellige metoder for å generere en Pandas dataframe. Denne opplæringen presenteres her, som vil oppdage hvordan du lager en dataaframe fra en samling av "pandas" -ordbøker. Ordbøker kan konverteres til dataframmer på forskjellige måter ved å bruke "pandaer". Vi vil diskutere alle metodene med en fullstendig og detaljert forklaring av hver av dem i denne opplæringen.

Metoder for å lage DataFrame fra lister over DICT i “Pandas”

Metodene som brukes for å lage DataFrame fra listene over ordbøker er gitt nedenfor. I denne guiden vil vi også bruke alle disse gitte metodene i våre praktiske eksempler og forklare dem i detalj her. Disse metodene er:

  • PD.Dataramme()
  • PD.Dataramme.fra_dict ()
  • PD.Dataramme.FRA_RECORDS ()
  • PD.Jason_normalize ()

Nå flytter vi for å bruke disse metodene i vår "pandas" -kode, og for dette har vi "Spyder" -verktøyet der vi skal kjøre "Pandas" -koden. La oss se følgende eksempler:

Eksempel 01

Hver gang vi ønsker å generere DataFrame, må vi ha lister over ordbøker. Før vi oppretter listene, må vi importere "pandaene" som "PD" fordi vi jobber i "Pandas", så for å få tilgang til funksjonen til Pandas, legger vi bare "PD" i stedet for full form "Pandas". Vi setter inn noen data i listene over ordbøker. "Inventory_list" er opprettet her, og vi setter "SKU", som vises som overskriftsnavnet på kolonnen. I denne kolonnen legger vi til “SR7546” Neste kolonneoverskrift eller -tasten er “Beskrivelse” her. Deretter setter vi “punkt 1”, så kommer neste kolonneoverskrift eller -tasten, som er “Bin#”, og legger til “S234” i den, den siste kolonnen vi har er “Location”, og vi legger til adressen i den som er “ABC Plaza Street 1”.

Nå legger vi til mer data i disse kolonnene ved å legge navnet på hver kolonneoverskrift eller tast og deretter sette inn data i den. Vi setter inn “TW1234” i “SKU”, “Element 2” i “Beskrivelse”, “S456” i “Bin#” og “Cde Plaza Street 2” i “Location” -kolonnen. Deretter satte vi “SV4253, punkt 3, S67 og Xys Plaza Street 2” i henholdsvis "SKU, Description, Bin#og Location" -kolonnen. Til slutt setter vi inn en post til, “STM2634, punkt 4, S97 og MNO Plaza Street 6”.

Her er “Inventory_list” fullført, og nå konverterer vi denne “Inventory_list” til DataFrame. Vi bruker “PD.DataFrame ”-metode for å konvertere listene over dikter til DataFrame. Vi plasserer “Inventory_list” som parameter for “PD.DataFrame () ”-metode, og vi lagrer dette i en variabel“ Inventory_df ”. Denne varelager_df brukes slik at når listene over dikter konverterer til DataFrame, så blir denne DataFrame lagret i denne “Inventory_DF”. Nå konverteres listene over dikter til DataFrame, og vi beveger oss for å trykke DataFrame, som vi får etter å ha brukt denne “PD.DataFrame () ”-metode. Vi skriver ut denne “Inventory_df” ved å bruke "PRINT ()" -funksjonen i "Pandas".

Mens vi bruker "Spyder" -verktøyet, for utdataene, treffer vi bare “Shift+ Enter”, og utgangen vises på terminalen. Her presenteres dataene vi setter inn i listene med dikter presentert i DataFrame i rader og kolonner. Hodetavnene legges også til på toppen av hver kolonne.

Eksempel # 02

Vi genererer "student_listen" her på samme måte som vi har laget "inventar_list" i forrige eksempel. Vi importerte først "Pandas som PD" og flyttet dem til "Students_list". Vi har “S#”, som viser at det er overskriftsnavnet på kolonnen. I dette plasserer vi “G6255”, neste kolonneoverskriftsnavn eller -tasten justeres som “Navn”, og vi legger også data som “George”. "Adressen" er også overskriftenes navn der vi legger til "ABC246". De neste tre kolonneoverskriftsnavnene eller nøklene er “Mid_Marks, Final_Marks og Pass/Fail”, henholdsvis dataene vi har lagt til i disse kolonnene er "33, 47 og pass".

På samme måte legger vi til “G6256, Peyton, DEF789, 38, 57” i de første fem kolonnene, men vi legger ikke til noen data i "Pass/Fail" -kolonnen her. Nedenfor setter vi inn data i alle seks kolonner som “G6257, Elle, MNO456, 36, 55, og pass”. I fjerde rad setter vi inn dataene igjen i bare fem kolonner, og vi nevner ikke den sjette kolonnen. Vi satte bare “G6258, Smith, XYZ123, 31 og 67”, som er dataene til fem kolonner “S#, Navn, Adresse, MID_MARKS og Final_marks”, henholdsvis ". Vi endrer denne "Student_list" til DataFrame ved å plassere “PD.DataFrame ”og navngi DataFrame som“ Student_df ”.

Vi gjengir også "student_df" ved hjelp av "print ()". Vi vil se i utgangen hvordan den gjengir de cellene der vi ikke la til noen data.

"Student_df" er gjengitt i dette utfallet. NAN -verdiene blir lagt til den resulterende DataFrame, da DICT ikke inneholder noen verdier og kolonner som samsvarer. Her viser den “Nan” i de cellene der vi ikke satte inn data, og det er ingen effekt på hele DataFrame hvis det ikke er noen matchende verdier av nøkler i DataFrame.

Eksempel # 03

Som vi er klar over, inneholder kolonnene i det resulterende DataFrame -tastene som vises på kolonnens overskrift i det resulterende DataFrame, tastene som vises på kolonnens overskrift i det resulterende DataFrame. Nøklene vi genererer i dette eksemplet er "std_id, student_name, far_name, midter, finale og totalt". Matchende nøkler er kolonnene, og verdiene deres er radene til DataFrame når den er opprettet fra en liste over dikter. Vi setter også inn verdiene som vises på radene. Vi oppretter ”stdnt_list” og setter inn data i den som tastene og deres verdier.

Så konverterer vi denne "stdnt_list" til en dataaframe "stdnt_dataframe". Vi setter også indeksverdiene for denne DataFrame, som er "STD_1, STD_2, STD_3 og STD_4". Gjengi deretter "STDNT_DATAFRAME", som også gjengir indeksverdiene.

I dette utfallet vises dataframet og indeksverdiene vi har satt inn i koden vår.

Eksempel nr. 04

Vi bruker en annen metode for å endre listen over dikter til DataFrame. Vi bruker “PD.Dataramme.from_records () ”-metoden, som vil konvertere vår liste over dikter til DataFrame og gjengi den resulterende DataFrame.

Her er det resulterende DataFrame, som vi får ved å bruke “PD.Dataramme.fra_records () ”-metoden. Denne metoden hjelper oss også med å endre listen over dikter til DataFrame.

Eksempel nr. 05

Nå bytter vi fra en liste over dikter til en dataaframe ved hjelp av en annen teknikk. Vår liste over dikter vil bli konvertert til en dataaframe ved hjelp av “PD.Dataramme.fra_dict () ”-metoden i dette eksemplet, og vi vil også vise den resulterende DataFrame.

Dette er DataFrame produsert som et resultat av å bruke “PD.Dataramme.fra_dict () ”-metoden. Denne metoden hjelper til med å konvertere listen over dikter til en dataaframe.

Eksempel # 06

Her bruker vi en annen og siste metode for å gå fra en liste over dikter til en dataaframe. Vi bruker “PD.json_normalize () "-funksjon for å gjøre vår liste over dikter til en dataaframe i denne koden og vise den resulterende dataaframe ved å sette" print () "-funksjonen på slutten.

DataFrame er opprettet når “PD.JSON_Normalize () ”-metoden brukes. Denne teknikken er også med på å generere DataFrame fra listen over dikter i "Pandas".

Konklusjon

Denne opplæringen beskriver hvordan du bruker konverteringen fra "Liste over dikter til DataFrame" i "Pandas", slik at du kan bruke den til å lære hvordan du gjør det. Vårt hovedmål er å gi deg en dyptgående, kortfattet og tydelig forklaring av "konvertere listen over dikter til dataaframe" -konseptet. Vi har diskutert fire forskjellige metoder, som hjelper oss å konvertere listen over dikter til DataFrame. Vi har demonstrert eksempler og benyttet alle metodene som vi nevnte i denne opplæringen for å få DataFrame fra listen over dikter.