Давайте разберемся с основами Pandas DataFrame с нуля.
Прежде чем начать, позвольте мне познакомить вас с Pandas, Pandas - это библиотека Python, которая предоставляет высокопроизводительные, простые в использовании структуры данных, такие как серии, Data Frame и Panel для инструментов анализа данных для языка программирования Python. Более того, Pandas Data Frame состоит из основных компонентов, данных, строк и столбцов. Чтобы использовать библиотеку pandas и ее структуры данных, все, что вам нужно сделать, это установить и импортировать. См. Документацию библиотеки Pandas для лучшего понимания и руководства по установке. Здесь весь код можно найти на моей странице GitHub.
Основные операции, которые можно применить к фрейму данных pandas, показаны ниже.
- Создание фрейма данных.
- Выполнение операций со строками и столбцами.
- Выбор, добавление, удаление данных.
- Работа с недостающими данными.
- Переименование столбцов или индексов DataFrame.
1. Создание фрейма данных.
Фрейм данных Pandas может быть создан путем загрузки данных из внешнего существующего хранилища, такого как база данных, файлы SQL или CSV. Но фрейм данных Pandas также можно создать из списков, словаря и т. Д. Один из способов создания фрейма данных Pandas показан ниже:
# import the pandas library
import pandas as pd
# Dictionary of key pair values called data
data = {'Name':['Ashika', 'Tanu', 'Ashwin', 'Mohit', 'Sourabh'],
'Age': [24, 23, 22, 19, 10]}
data
{'Age': [24, 23, 22, 19, 10], 'Name': ['Ashika', 'Tanu', 'Ashwin', 'Mohit', 'Sourabh']}
# Calling the pandas data frame method by passing the dictionary (data) as a parameter
df = pd.DataFrame(data)
df
2. Выполнение операций со строками и столбцами.
Фрейм данных - это двухмерная структура данных, данные хранятся в строках и столбцах. Ниже мы можем выполнить некоторые операции со строками и столбцами.
Выбор столбца. Чтобы выбрать конкретный столбец, все, что мы можем сделать, это просто назвать имя столбца внутри фрейма данных.
# import the pandas library
import pandas as pd
# Dictionary of key pair values called data
data = {'Name':['Ashika', 'Tanu', 'Ashwin', 'Mohit', 'Sourabh'],
'Age': [24, 23, 22, 19, 10]}
data
{'Age': [24, 23, 22, 19, 10], 'Name': ['Ashika', 'Tanu', 'Ashwin', 'Mohit', 'Sourabh']}
# Calling the pandas data frame method by passing the dictionary (data) as a parameter
df = pd.DataFrame(data)
# Selecting column
df[['Name']]
Выбор строки. Фрейм данных Pandas предоставляет метод под названием «loc», который используется для извлечения строк из фрейма данных. Кроме того, строки также можно выбирать с помощью iloc в качестве функции.
# Calling the pandas data frame method by passing the dictionary (data) as a parameter df = pd.DataFrame(data) # Selecting a row row = df.loc[1] row Name Tanu Age 23 Name: 1, dtype: object
Чтобы выбрать конкретный столбец, все, что мы можем сделать, это просто вызвать имя столбца внутри фрейма данных. Как показано выше, для работы с методом «loc» вам необходимо передать индекс фрейма данных в качестве параметра. Метод loc принимает в качестве параметра только целые числа. Итак, в приведенном выше примере я хотел получить доступ к строке «Tanu», поэтому я передал индекс как 1 в качестве параметра. Теперь у вас есть быстрое задание, используйте метод iloc и сообщите мне результат.
3. Выбор, добавление, удаление данных.
Вы можете обрабатывать DataFrame семантически как словарь объектов Series с одинаковым индексом. Получение, установка и удаление столбцов работает с тем же синтаксисом, что и аналогичные операции со словарем:
# import the pandas library
import pandas as pd
# Dictionary of key pair values called data
data = {'Name':['Ashika', 'Tanu', 'Ashwin', 'Mohit', 'Sourabh'],
'Age': [24, 23, 22, 19, 10]}
# Calling the pandas data frame method by passing the dictionary (data) as a parameter
df = pd.DataFrame(data)
# Selecting the data from the column
df['Age']
0 24
1 23
2 22
3 19
4 10
Name: Age, dtype: int64
Столбцы можно удалить, как со словарем, просто используйте операцию del.
del df[‘Age’] df
Данные могут быть добавлены с помощью функции вставки. Функция вставки доступна для вставки в определенное место в столбцах:
df.insert(1, ‘name’, df[‘Name’]) df
4. Работа с недостающими данными.
Когда мы обращаемся к большим наборам данных, часто возникают недостающие данные. Часто встречается как NaN (не число). Чтобы заполнить эти значения, мы можем использовать метод isnull (). Этот метод проверяет, присутствует ли во фрейме данных значение NULL.
Проверка отсутствующих значений.
# importing both pandas and numpy libraries
import pandas as pd
import numpy as np
# Dictionary of key pair values called data
data ={‘First name’:[‘Tanu’, np.nan],
‘Age’: [23, np.nan]}
df = pd.DataFrame(data)
df
# using the isnull() function df.isnull()
Isnull () возвращает false, если значение NULL отсутствует, и true для значений NULL. Теперь мы нашли недостающие значения, следующая задача - заполнить эти значения 0, это можно сделать, как показано ниже:
df.fillna(0)
5. Переименование столбцов или индексов фрейма данных.
Чтобы присвоить столбцам или значениям индекса вашего фрейма данных другое значение, лучше всего использовать метод .rename (). Я намеренно изменил имя столбца, чтобы лучше понять.
# import the pandas library
import pandas as pd
# Dictionary of key pair values called data
data = {‘NAMe’:[‘Ashika’, ‘Tanu’, ‘Ashwin’, ‘Mohit’, ‘Sourabh’],
‘AGe’: [24, 23, 22, 19, 10]}
# Calling the pandas data frame method by passing the dictionary (data) as a parameter
df = pd.DataFrame(data)
df
newcols = {
‘NAMe’: ‘Name’,
‘AGe’: ‘Age’
}
# Use `rename()` to rename your columns
df.rename(columns=newcols, inplace=True)
df
# The values of new index
newindex = {
0: ‘a’,
1: ‘b’,
2: ‘c’,
3: ‘d’,
4: ‘e’
}
# Rename your index
df.rename(index=newindex)
Следовательно, выше приведены очень важные методы или методы фрейма данных Pandas в Python. Некоторые примеры взяты из GeeksforGeeks. Я написал это простым способом, чтобы каждый мог понять и освоить концепции фрейма данных в Python. Если вы, ребята, сомневаетесь в коде, все комментарии в вашем распоряжении.
Спасибо.
