pandas
DataFrames बनाना
खोज…
परिचय
DataFrame एक डेटा संरचना है जो श्रृंखला और पैनल के अलावा पांडा लाइब्रेरी द्वारा प्रदान की जाती है। यह एक 2-आयामी संरचना है और इसकी तुलना पंक्तियों और स्तंभों की तालिका से की जा सकती है।
प्रत्येक पंक्ति को एक पूर्णांक सूचकांक (0..N) या एक लेबल द्वारा स्पष्ट रूप से सेट किया जा सकता है, जब डेटाफ़्रेम ऑब्जेक्ट बनाते हैं। प्रत्येक स्तंभ अलग प्रकार का हो सकता है और एक लेबल द्वारा पहचाना जाता है।
यह विषय DataFrame ऑब्जेक्ट बनाने / बनाने के लिए विभिन्न तरीकों को शामिल करता है। पूर्व। Numpy सरणियों से, tuples की सूची से, शब्दकोश से।
एक नमूना बनाएँ DataFrame
import pandas as pd
दो स्तंभों वाले एक शब्दकोश से एक डेटाफ़्रेम बनाएँ: numbers और colors । प्रत्येक कुंजी स्तंभ नाम का प्रतिनिधित्व करती है और मान डेटा की एक श्रृंखला है, स्तंभ की सामग्री:
df = pd.DataFrame({'numbers': [1, 2, 3], 'colors': ['red', 'white', 'blue']})
डेटाफ्रेम की सामग्री दिखाएं:
print(df)
# Output:
# colors numbers
# 0 red 1
# 1 white 2
# 2 blue 3
आदेश कॉलम पांडा वर्णानुक्रम के रूप में dict आदेश दिया नहीं कर रहे हैं। आदेश को निर्दिष्ट करने के लिए, columns पैरामीटर का उपयोग करें।
df = pd.DataFrame({'numbers': [1, 2, 3], 'colors': ['red', 'white', 'blue']},
columns=['numbers', 'colors'])
print(df)
# Output:
# numbers colors
# 0 1 red
# 1 2 white
# 2 3 blue
Numpy का उपयोग करके एक नमूना DataFrame बनाएं
यादृच्छिक संख्याओं का एक DataFrame बनाएँ:
import numpy as np
import pandas as pd
# Set the seed for a reproducible sample
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5, 3), columns=list('ABC'))
print(df)
# Output:
# A B C
# 0 1.764052 0.400157 0.978738
# 1 2.240893 1.867558 -0.977278
# 2 0.950088 -0.151357 -0.103219
# 3 0.410599 0.144044 1.454274
# 4 0.761038 0.121675 0.443863
पूर्णांक के साथ एक DataFrame बनाएँ:
df = pd.DataFrame(np.arange(15).reshape(5,3),columns=list('ABC'))
print(df)
# Output:
# A B C
# 0 0 1 2
# 1 3 4 5
# 2 6 7 8
# 3 9 10 11
# 4 12 13 14
एक DataFrame बनाएँ और कॉलम और पंक्तियों के पार NaT, NaN, 'nan', None ( NaT, NaN, 'nan', None ) शामिल करें:
df = pd.DataFrame(np.arange(48).reshape(8,6),columns=list('ABCDEF'))
print(df)
# Output:
# A B C D E F
# 0 0 1 2 3 4 5
# 1 6 7 8 9 10 11
# 2 12 13 14 15 16 17
# 3 18 19 20 21 22 23
# 4 24 25 26 27 28 29
# 5 30 31 32 33 34 35
# 6 36 37 38 39 40 41
# 7 42 43 44 45 46 47
df.ix[::2,0] = np.nan # in column 0, set elements with indices 0,2,4, ... to NaN
df.ix[::4,1] = pd.NaT # in column 1, set elements with indices 0,4, ... to np.NaT
df.ix[:3,2] = 'nan' # in column 2, set elements with index from 0 to 3 to 'nan'
df.ix[:,5] = None # in column 5, set all elements to None
df.ix[5,:] = None # in row 5, set all elements to None
df.ix[7,:] = np.nan # in row 7, set all elements to NaN
print(df)
# Output:
# A B C D E F
# 0 NaN NaT nan 3 4 None
# 1 6 7 nan 9 10 None
# 2 NaN 13 nan 15 16 None
# 3 18 19 nan 21 22 None
# 4 NaN NaT 26 27 28 None
# 5 NaN None None NaN NaN None
# 6 NaN 37 38 39 40 None
# 7 NaN NaN NaN NaN NaN NaN
शब्दकोश का उपयोग करते हुए कई संग्रह से एक नमूना DataFrame बनाएँ
import pandas as pd
import numpy as np
np.random.seed(123)
x = np.random.standard_normal(4)
y = range(4)
df = pd.DataFrame({'X':x, 'Y':y})
>>> df
X Y
0 -1.085631 0
1 0.997345 1
2 0.282978 2
3 -1.506295 3
Tuples की सूची से एक DataFrame बनाएँ
आप साधारण ट्यूपल्स की सूची से एक डाटाफ्रेम बना सकते हैं, और यहां तक कि उन ट्यूपल के विशिष्ट तत्वों को भी चुन सकते हैं, जिनका आप उपयोग करना चाहते हैं। यहां हम अंतिम तत्व को छोड़कर प्रत्येक ट्यूपल में सभी डेटा का उपयोग करके एक डेटाफ़्रेम बनाएंगे।
import pandas as pd
data = [
('p1', 't1', 1, 2),
('p1', 't2', 3, 4),
('p2', 't1', 5, 6),
('p2', 't2', 7, 8),
('p2', 't3', 2, 8)
]
df = pd.DataFrame(data)
print(df)
# 0 1 2 3
# 0 p1 t1 1 2
# 1 p1 t2 3 4
# 2 p2 t1 5 6
# 3 p2 t2 7 8
# 4 p2 t3 2 8
सूचियों के एक शब्दकोश से एक DataFrame बनाएँ
एक तानाशाही जिसका मान सूचीबद्ध करता है पारित करके कई सूचियों से एक DataFrame बनाएँ। शब्दकोश की कुंजियों को स्तंभ लेबल के रूप में उपयोग किया जाता है। सूचियाँ ndarrays भी हो सकती हैं। सूचियों / ndarrays सभी की लंबाई समान होनी चाहिए।
import pandas as pd
# Create DF from dict of lists/ndarrays
df = pd.DataFrame({'A' : [1, 2, 3, 4],
'B' : [4, 3, 2, 1]})
df
# Output:
# A B
# 0 1 4
# 1 2 3
# 2 3 2
# 3 4 1
यदि सरणियाँ समान लंबाई नहीं हैं तो एक त्रुटि उठाई जाती है
df = pd.DataFrame({'A' : [1, 2, 3, 4], 'B' : [5, 5, 5]}) # a ValueError is raised
Ndarrays का उपयोग करना
import pandas as pd
import numpy as np
np.random.seed(123)
x = np.random.standard_normal(4)
y = range(4)
df = pd.DataFrame({'X':x, 'Y':y})
df
# Output: X Y
# 0 -1.085631 0
# 1 0.997345 1
# 2 0.282978 2
# 3 -1.506295 3
अतिरिक्त विवरण यहां देखें: http://pandas.pydata.org/pandas-docs/stable/dsintro.html#from-dict-of-ndarrays-lists
डेटाटाइम के साथ एक नमूना DataFrame बनाएं
import pandas as pd
import numpy as np
np.random.seed(0)
# create an array of 5 dates starting at '2015-02-24', one per minute
rng = pd.date_range('2015-02-24', periods=5, freq='T')
df = pd.DataFrame({ 'Date': rng, 'Val': np.random.randn(len(rng)) })
print (df)
# Output:
# Date Val
# 0 2015-02-24 00:00:00 1.764052
# 1 2015-02-24 00:01:00 0.400157
# 2 2015-02-24 00:02:00 0.978738
# 3 2015-02-24 00:03:00 2.240893
# 4 2015-02-24 00:04:00 1.867558
# create an array of 5 dates starting at '2015-02-24', one per day
rng = pd.date_range('2015-02-24', periods=5, freq='D')
df = pd.DataFrame({ 'Date': rng, 'Val' : np.random.randn(len(rng))})
print (df)
# Output:
# Date Val
# 0 2015-02-24 -0.977278
# 1 2015-02-25 0.950088
# 2 2015-02-26 -0.151357
# 3 2015-02-27 -0.103219
# 4 2015-02-28 0.410599
# create an array of 5 dates starting at '2015-02-24', one every 3 years
rng = pd.date_range('2015-02-24', periods=5, freq='3A')
df = pd.DataFrame({ 'Date': rng, 'Val' : np.random.randn(len(rng))})
print (df)
# Output:
# Date Val
# 0 2015-12-31 0.144044
# 1 2018-12-31 1.454274
# 2 2021-12-31 0.761038
# 3 2024-12-31 0.121675
# 4 2027-12-31 0.443863
साथ DataFrame DatetimeIndex :
import pandas as pd
import numpy as np
np.random.seed(0)
rng = pd.date_range('2015-02-24', periods=5, freq='T')
df = pd.DataFrame({ 'Val' : np.random.randn(len(rng)) }, index=rng)
print (df)
# Output:
# Val
# 2015-02-24 00:00:00 1.764052
# 2015-02-24 00:01:00 0.400157
# 2015-02-24 00:02:00 0.978738
# 2015-02-24 00:03:00 2.240893
# 2015-02-24 00:04:00 1.867558
date_range में पैरामीटर freq लिए Offset-aliases :
Alias Description
B business day frequency
C custom business day frequency (experimental)
D calendar day frequency
W weekly frequency
M month end frequency
BM business month end frequency
CBM custom business month end frequency
MS month start frequency
BMS business month start frequency
CBMS custom business month start frequency
Q quarter end frequency
BQ business quarter endfrequency
QS quarter start frequency
BQS business quarter start frequency
A year end frequency
BA business year end frequency
AS year start frequency
BAS business year start frequency
BH business hour frequency
H hourly frequency
T, min minutely frequency
S secondly frequency
L, ms milliseconds
U, us microseconds
N nanoseconds
MultiIndex के साथ एक नमूना DataFrame बनाएं
import pandas as pd
import numpy as np
from_tuples का उपयोग करना:
np.random.seed(0)
tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',
'foo', 'foo', 'qux', 'qux'],
['one', 'two', 'one', 'two',
'one', 'two', 'one', 'two']]))
idx = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
from_product का उपयोग करना:
idx = pd.MultiIndex.from_product([['bar', 'baz', 'foo', 'qux'],['one','two']])
फिर, इस मल्टीइन्डेक्स का उपयोग करें:
df = pd.DataFrame(np.random.randn(8, 2), index=idx, columns=['A', 'B'])
print (df)
A B
first second
bar one 1.764052 0.400157
two 0.978738 2.240893
baz one 1.867558 -0.977278
two 0.950088 -0.151357
foo one -0.103219 0.410599
two 0.144044 1.454274
qux one 0.761038 0.121675
two 0.443863 0.333674
एक डेटाफ़्रेम को अचार (.plk) प्रारूप में सहेजें और लोड करें
import pandas as pd
# Save dataframe to pickled pandas object
df.to_pickle(file_name) # where to save it usually as a .plk
# Load dataframe from pickled pandas object
df= pd.read_pickle(file_name)
शब्दकोशों की सूची से एक DataFrame बनाएँ
एक DataFrame शब्दकोशों की सूची से बनाया जा सकता है। कुंजी का उपयोग स्तंभ नामों के रूप में किया जाता है।
import pandas as pd
L = [{'Name': 'John', 'Last Name': 'Smith'},
{'Name': 'Mary', 'Last Name': 'Wood'}]
pd.DataFrame(L)
# Output: Last Name Name
# 0 Smith John
# 1 Wood Mary
अनुपलब्ध मान NaN s से भरे हुए हैं
L = [{'Name': 'John', 'Last Name': 'Smith', 'Age': 37},
{'Name': 'Mary', 'Last Name': 'Wood'}]
pd.DataFrame(L)
# Output: Age Last Name Name
# 0 37 Smith John
# 1 NaN Wood Mary
