Pandas .Werte

Ein zweidimensionales Größenabfall, möglicherweise die tabellarische Heterogenitätsdatenformat mit markierten Achsen, wird als „Pandas-Datenframe“ bezeichnet. Zeilen- und Spaltennamen entsprechen den arithmetischen Operationen. Die Hauptdatenstruktur der Pandas wird dadurch dargestellt. Eine numpige Darstellung des angegebenen Datenrahmens wird durch das Werteattribut zurückgegeben. Wir können die Numpy -Darstellung erhalten, indem wir das Attribut „Werte“ verwenden. In der Numpy -Darstellung werden auch die Beschriftungen der Datenrahmen entfernt. In diesem Artikel werden wir das Attribut „Werte“ in unserem Python -Programm verwenden. In diesem Artikel werden wir dieses Attribut „Pandas -Werte“ im Detail untersuchen.

Syntax:

Die Syntax zum Erhalten der Numpy -Darstellung des Datenrahmens ist unten angegeben:

# DataFrame.Werte

Beispiel # 01:

Um diese Beispiele durchzuführen, müssen wir das Spyder -Tool installieren. Nach der Installation dieses Tools schreiben wir einige Codes, die auch unten gezeigt werden. Zunächst müssen wir den „Panda“ als „PD“ importieren. Python wird angewiesen, die Datenverarbeitungsbibliothek der Pandas in den vorhandenen Code durch den Abschnitt Pandas des Codes in den vorhandenen Code zu importieren. Der PD -Abschnitt des Codes weist Python an, Pandas die Abkürzung von PD zuzuweisen. Infolgedessen können Sie Pandas -Funktionen verwenden, indem Sie nur PD eingeben. Dann erstellen wir darunter den "DataFrame". Wir weisen die „PD.DataFrame ”zur Variablen„ DF “. Wir setzen den Namen als Spaltenname ein und platzieren einige Namen für diese Spalte.

Hier fügen wir "John", "Henry", "Peter" und "Smith" in dieser Spalte "Name" hinzu. Dann kommt die Spalte „Alter“ und wir fügen das Alter aller, die „45“, „25“, „60“ und „33“ sind, hinzufügen. Der dritte Spaltenname ist hier "bezahlen". Wir fügen die Zahlung von allen als "12000", "35000", "15000" und "23500" hinzu. Danach verwenden wir die Anweisung „Print ()“, die diesen Datenrahmen in Zeilen und Spalten druckt. Speichern Sie diesen Code nun mit dem Namen Ihrer Wahl, und die Dateierweiterung dafür wird automatisch angezeigt.

Um das Ergebnis dieses Codes zu erhalten, drücken wir einfach "Shift+Enter" oder können auch die Taste für das Ausführen dieses "Spyder" -Tools verwenden. Wenn wir die Taste der Taskleiste ausführen, können wir die Ausgabe am Terminal des "Spyder" -Tools erhalten. Danach wird die Ausgabe auf dem Bildschirm erzeugt. Im angegebenen Bild können Sie feststellen, dass die Daten in Zeilen und Spalten gedruckt werden. Aber wir möchten diese Daten in der Numpy -Darstellung ausdrucken. Dafür fügen wir in dem obigen Code ein paar weitere Zeilen hinzu, die auch unten dieses Ausgabebuchs -Screenshot angegeben sind.

Um die Darstellung von „Numpy“ zu erhalten, verwenden wir das Attribut „Werte“ mit dem Namen des oben erstellten Datenrahmens. Wir verwenden eine Variable mit dem Namen "RSLT" und weisen den „DF“ zu. Werte “für diese" RSLT ". Um diese „numpy“ Darstellung zu drucken.

Der Screenshot zeigt, dass die Daten als „Numpy“ dargestellt werden. Wir erhalten diese "numpy" Darstellung mit Hilfe des Attributs "Werte" in unserem Code. In dieser numpy Darstellung gibt es keine Beschriftungen des Datenrahmens.

Beispiel # 02:

Jetzt führen wir hier ein weiteres Beispiel für Sie aus und verwenden das Attribut „Werte“ in diesem Beispiel erneut. Wir beginnen unseren Code, indem wir den „Panda“ als "PD" importieren. Dies wird uns helfen, die Funktion des Pandas zu nutzen, indem wir einfach „PD“ einstellen,. Danach haben wir eine Variable mit dem Namen "DF1" und initialisieren sie mit einem Datenrahmen, indem wir nur „PD eingeben“.DataFrame ”. Wir erstellen vier verschiedene Spalten für diesen Datenrahmen als "Name", "Alter", "Pay" und "Beruf" als "Name", "Alter", "Bezahlung" und "Beruf". Wir setzen einige Namen in die Spalten "Namen" und verwenden hier auch das Schlüsselwort "None". Dieser „Keine“ wird zur Definition eines Nullwerts verwendet. Wir fügen zwei Namen "Alies" und "Peter" sowie zwei "Keine" -Styword in dieser Spalte "Name" hinzu.

Dann haben wir das „Alter“. Wir fügen Altersdaten als "55", "64" und "39" hinzu. Wir verwenden auch die "Keine" für diese "Alter" -Spalte. Wir fügen "25000", "55000", "28000" und auch ein Schlüsselwort "None" für die Spalte "Pay" hinzu. Dann kommt der „Beruf“. Wir haben "IT Professional" und "SE Engineer" und die restlichen zwei als "keine". Zunächst drucken wir diesen "DataFrame", der in Zeilen- und Spaltenformular angezeigt wird, und dann wenden wir das Attribut "Werte" auf den DataFrame "DF1" an und weisen dies „DF2“ zu, die „DF2“ zugewiesen werden. Wir schreiben es als „DF1.Werte “und initialisieren Sie" DF2 "damit. Jetzt drucken wir diesen „DF2“ und Sie werden feststellen. Speichern Sie diesen Code und dann können wir das Ergebnis dieses Codes erhalten.

Wir drücken "Shift+Enter" und diese gegebene Ausgabe wird auf dem Terminalbildschirm gerendert. Hier können wir die Daten im Datenrahmen leicht sehen, der in Zeilen und Spalten angezeigt wird. Die Beschriftungen werden ebenfalls erwähnt und unter den Daten werden in der Numpy -Darstellung gerendert und die Beschriftungen werden entfernt, da wir das Attribut „Werte“ mit dem Namen des "DataFrame" verwendet haben. Hier beobachten Sie, dass es für die "None" "nan" macht.

Beispiel # 03:

Jetzt haben wir das dritte und das letzte Beispiel, in dem wir das Attribut „Werte“ verwenden werden. Wir importieren erneut die "Pandas" als "PD". Der Grund für den Importieren der „Pandas als PD“ ist bereits in den oben genannten Codes diskutiert. Wir erstellen einen „Datenrahmen“, indem wir „PD“ einstellen.DataFrame ”. Wir weisen diese „PD zu.DataFrame ”zu einer Variablen und der Name dieser Variablen lautet" DF3 ". Wir fügen einige Daten im DataFrame hinzu.

Wie wir erläutert haben, werden diese Daten in Form von Zeilen und Spalten gerendert. Wir fügen in der ersten Zeile des DataFrame "David", "John", "550" und "900" hinzu. Wir fügen in der zweiten Reihe auch "Alies", "William", "400" und "900" hinzu. In der dritten Reihe fügen wir "Emma", "Noah", "655" und "900" hinzu. Zuletzt fügen wir "Alexander", "Thomas", "700" und "900" hinzu. Jetzt verwenden wir das Schlüsselwort „Werte“, um Numpy Repräsentation zu erhalten. Wir initialisieren die Variable „Ergebnis“ und initialisieren es mit dem „DF3. Werte". Anschließend möchten wir diese numpy Darstellung von DataFrame drucken, die wir nach der Anwendung dieses „Werte“ -attributs erhalten. Wir verwenden also den "print ()" und bestehen das "Ergebnis" als Parameter dieser Funktion. Es wird die "Numpy" -Darstellung am Ausgangsanschluss zurückgeben. Speichern Sie diesen Code nun.

Der unten angegebene Screenshot ist die numpy Darstellung. Wir erhalten diese Ausgabe, indem wir einfach auf "Shift+Enter" gedrückt werden, die wir oben auch besprochen haben.

Abschluss

Wir haben diesen Artikel vorgestellt, um das Konzept des Attributs „Pandas Values“ zu erklären. Wir haben dieses Konzept ausführlich erklärt, damit Sie leicht verstehen, wie Sie das Attribut „Werte“ verwenden können. Wir haben diskutiert, dass das Attribut „Werte“ verwendet wird, um die Numpy -Darstellung des Datenrahmens zu erhalten. In der Numpy -Darstellung werden die Etiketten entfernt. Wir erhalten nur die Werte, keine Etiketten. Wir haben in diesem Artikel mehrere Beispiele untersucht und alle Codes -Zeilen im Detail erläutert. Wir haben die Ausgabe aller Codes hier sowie der Codes zur Verfügung gestellt.