Pandas nach Numpy
Methoden zur Umwandlung der "Pandas" -Serie in "Numpy Array"
Die „Pandas“ ermöglichen drei verschiedene Methoden, die uns helfen, die "Pandas" -Serie in das "Numpy Array" zu verwandeln, in die "Numpy Array" umzuwandeln. Diese Methoden werden in diesem Abschnitt erörtert:
- Pandas.Serie.to_numpy () Funktion
- Pandas.Serie.Werte Eigenschaft
- Pandas.Serie.Array -Eigenschaft
Wir werden diese Methoden auf die "Pandas" -Serie anwenden, um die "Pandas" -Serie in das "Numpy Array" umzuwandeln. Wir werden auch mehrere Beispiele in diesem Artikel zeigen, in dem wir diese Methoden anwenden.
Beispiel # 01
Diese Codes werden in diesem Artikel mit dem Tool "Spyder" dargestellt. Um die "Pandas" -Serie zu erstellen, müssen wir die Module von "Pandas" importieren "", um "importieren", um "importieren", um "importieren" zu können. Also haben wir "Import" hinzugefügt, und mit Hilfe dieses „Imports“ importieren wir die „Pandas als PD“. Dann haben wir eine Serie erstellt, indem wir „PD“ gestellt haben.Serie "und fügten in dieser Serie" Finnland, Dänemark, Ungarn, Angola, Israel, China und Amerika "hinzu und speichern diese Serie auch in der Variablen„ Series_Data “. Wir haben die "print ()", in der wir "Series_Data" einstellen, sodass diese Serie auf dem Terminal druckt. Wir zeigen einfach die Serie und nachdem wir die Serie gezeigt haben, werden wir diese Serie in das „Numpy Array“ umwandeln.
Die Serie wird hier angezeigt, da wir diesen Code mit Hilfe der Tasten „Shift+Enter“ ausgeführt haben. Beachten Sie, dass die Serie die Standardindexwerte enthält. Lassen Sie uns diese Serie in das Numpy -Array umwandeln.
Wir verwenden die „Pandas.Serie.to_numpy () ”Methode, die die Serie in das Numpy -Array verwandelt. Wir haben eine "Array" -Variable für das Speichern des Numpy -Arrays hinzugefügt, das wir nach dem Auftragen der „Pandas angewendet haben.Serie.to_numpy () ”Funktion. Wir geben den Namen der Serie, nämlich "Series_Data", und dann die Methode "to_numpy ()". Diese Serie wandelt sich also in das Numpy -Array um. Wir möchten auch dieses Numpy -Array zeigen, also haben wir die "Array" -Variable im "print ()" hinzugefügt "hinzugefügt".
Die vorherige Serie wird nun in das Numpy -Array umgewandelt und wird auch in diesem Ergebnis gezeigt. Das Numpy -Array enthält die hier gezeigten Indexwerte nicht:
Beispiel # 02
Wir haben zwei Bibliotheken verwendet, "Pandas" und "Numpy". Die von uns erstellte Serie ist die "Job_Data" mit "PD.Serie “und es enthält„ Freiberufler, Software -Ingenieur, Arzt, technischer Schriftsteller, Lehrer, Ausbilder und Konstruktor “. Wir drucken zuerst diese "Job_Data" -Serie und konvertieren dann die "Job_Data" -Serie in das Numpy -Array, indem wir das „NP.Array () ”Methode und Hinzufügen des Namens der Serie zu ihr und auch das„ Array “mit dem Namen der Serie in dieser Funktion platzieren. Dadurch verwandeln Sie die Serie "Job_Data" in das "Numpy Array" und speichern sie in "Job_array". Dann übergeben wir "Job_array" an den "Druck".
Die Serie und das Numpy -Array sind in dieser Ausgabe gezeigt. Beachten Sie, dass die Serie die Indexwerte enthält, das Numpy -Array jedoch nicht über die Indexwerte verfügt.
Beispiel # 03
Die Serie „FRUITS_DATA“ in diesem Code enthält „Mulberry, Datumspalme, Kirsche, Orange, Pfirsich, Aprikose, Olive, Apfel, Birne und Wassermelone“. Wir schreiben dann "print ()" und fügen ihm "fruits_data" hinzu. Danach verwandeln wir die Serie „Fruits_Data“ mit Hilfe der Methode „to_numph ()“ in das Numpy -Array. Dieses Numpy -Array ist auch im "Fruits_Array" gespeichert, und der "fruits_array" wird zu "print ()" hinzugefügt "hinzugefügt".
Hier sind die "Pandas" -Serie und das Numpy -Array im Ergebnis des vorherigen Code. Sie können hier auch die Serien- und Numpy -Array -Unterschiede beobachten:
Beispiel # 04
Hier haben wir "Numpy" und "Pandas" -Bibliotheken verwendet. Durch die Verwendung von „PD.Serie “Wir haben eine Serie mit dem Titel„ Daten “erstellt, die„ AY123, AY678, AY876, AY908, AY987, AY912, AY456 und AY012 enthält “. Die "Daten" -Serie wird zuerst gedruckt und dann mithilfe des „NP in ein Numpy -Array umgewandelt.Array () ”Methode, Hinzufügen des Seriennamens und dann„ Werte “. Wir speichern auch das Numpy -Array in der Variablen „New_array“. Die "Daten" -Serie verwandelt sich in das "Numpy Array" und wird im "new_array" gespeichert."Das" new_array "wird dann an den" Druck "übergeben.
Diese angegebene Ausgabe zeigt sowohl die Serien als auch das Numpy -Array an. Denken Sie daran, dass dem Numpy -Array die Indexwerte fehlen, aber die Serie enthält Indexwerte.
Beispiel # 05
Jetzt erstellen wir den Datenrahmen "S_DF", indem wir die "Pandas" -Methode platzieren, die in diesem Fall "DataFrame ()" ist. Wir haben verschiedene Spalten hinzugefügt, und jede Spalte des DataFrame wird auch als Serie bezeichnet. Wir haben "Name" hinzugefügt, der "Roman, Collins, Ethan, Poppy, Edward, Archie, Benjamin und Bromley" enthält. Dann kommt die „Marks“ als nächstes und fügt "278, 344, 239, 310, 485, 298, 453 und 670" hinzu. Als nächstes haben wir in der Spalte „37%, 54%, 15%, 59%, 76%, 34%, 61%und 80%“ eingefügt. Wir geben "print ()" ein und fügen "S_DF" hinzu. So wird der "S_DF" angezeigt.
Jetzt konvertieren wir zwei Spalten des DataFrame in das Numpy -Array, da wir auch diskutiert haben, dass die Spalte des Datenrahmens auch die Serie von „Pandas“ ist. Wir konvertieren zuerst die "Name" -Serie in das Numpy -Array, indem wir "NP" verwenden.Array ”und Hinzufügen von" s_df "-Datenframe mit der Spalte" Name "und dann" Werte "eingeben. Wir haben dieses Numpy -Array in der Variablen „my_array1“ gespeichert und dann angezeigt. Wir wenden dieselbe Methode an, aber diesmal haben wir die Spalte „Markierungen“ des Datenrahmens zum Konvertieren in das Numpy -Array erwähnt. Dieses zweite Numpy -Array wird in "my_array2" gespeichert und zum Rendering zum "Druck" hinzugefügt.
Der Datenrahmen wird zuerst vorgestellt. Dann wird die Spalte "Name" oder "Name" -Serie in das Numpy -Array konvertiert und angezeigt. Außerdem wird die Spalte „Marks“ in das Numpy -Array umgewandelt und hier gerendert.
Beispiel # 06
Jetzt lesen wir die CSV -Datei hier und wandeln ihre Daten dann in den Datenrahmen und die Serie um. Auch die Serie in das Numpy -Array. Das "Datei_Data" wird mit dem "PD" initialisiert.Read_csv () ”-Methode, und der Pfad der CSV -Datei wird darin eingegeben. Wir lesen die "Datei".CSV “und diese Methode konvertiert die Daten der Datei in den Datenrahmen und speichert sie in der" Datei_Data ". Wir fügen auch die Methode "Dropna ()" hinzu, die die Nullwerte fallen, wenn sie in diesem Datenrahmen vorhanden sind.
Jetzt verwenden wir "Print" und danach verwenden wir die „PD“.Serie () ”Methode und fügen Sie den Namen des DataFrame und eine Spalte des DataFrame hinzu, nämlich" s_location ". Dies wird es in eine Serie umwandeln und in "My_Series" speichern. Wir wenden die Methode "to_numph ()" zum Konvertieren der Daten "s_location" in das Numpy -Array an, und die Methode "to_numpy" wird in "Drucken" hinzugefügt, sodass sie auch angezeigt wird.
Die Daten, die wir nach dem Lesen der Datei erhalten haben.CSV ”wird in der Form des DataFrame angezeigt, und dann wird eine der Spalten" S_Location "in das Numpy -Array konvertiert.
Abschluss
In diesem Artikel haben wir das Numpy -Array in „Pandas“ besprochen. Hier haben wir mit verschiedenen Methoden erklärt, um eine "Pandas" -Serie in das Numpy -Array zu verwandeln. Wir haben uns die Ideen angesehen, die Serie in ein Numpy -Array zu verwandeln und auch Spalten des DataFrame in ein Numpy -Array zu verwandeln. Darüber hinaus zeigte dieser Artikel, wie man Nullwerte mit Nullwerten umgeht. In diesem Tutorial haben wir drei verschiedene Methoden verwendet, die die Umwandlung der Serie in das Numpy -Array erheblich erleichtern. Dieses Konzept wurde hier gründlich erklärt.