Pandas DataFrame to Numpy Array

„Pandy to biblioteka typu open source, a„ Python ”zapewnia tę bibliotekę. Mamy różne serie, listy i ramy danych w „Pandy”. Możemy łatwo utworzyć ramki danych i konwertować te struki danych na tablicę Numpy. Ze względu na wyrafinowane zarządzanie danymi zaleca się, aby tablica Numpy jest używana w miarę możliwości. Tablice Numpy oferują szybkie i elastyczne sposoby skalowania i normalizacji danych, które można wykorzystać do przygotowania danych do szkolenia modelu uczenia maszynowego. Kiedy chcemy przekonwertować ramę danych na tablicę Numpy, używamy metody „pand” „TO_NUMPY”. W tym przewodniku metoda „to_numpy ()” omówi się szczegółowo z niektórymi praktycznymi demonstracjami tej metody. Przekształcimy tutaj tablicę danych za pomocą metody „to_numpy ()” i pokaże wyniki kodów."

Składnia

# Pandy.Ramka danych.to_numpy ()

Przykład nr 01

Teraz wykonujemy tutaj kilka praktycznych przykładów, w których utworzymy ramkę danych w „Pandy”, a następnie przekonwertujemy tę ramę danych na tablicę Numpy, wykorzystując metodę „to_numpy ()”. W tym przewodniku używamy aplikacji „Spyder” i piszemy kod na niej. Pierwszym krokiem tutaj jest import modułów „pandy” poprzez wykorzystanie słowa kluczowego „importu”, a następnie umieszczanie „Pandy jako PD”. Rama danych została teraz utworzona za pomocą „PD.Metoda dataframe ”. „Classes_df” jest tworzony w tym przykładzie i ma w sobie pięć kolumn. Mamy „klasę 1” jako nazwę pierwszej kolumny i wkładamy w to „Lily, Ava, Isla, Harper i Florence”.

Następnie używamy „klasy 2” jako nazwy drugiej kolumny tej formy danych, a także wstawiamy „Smith, Henry, Theo, Elsie i Evelyn”. „Klasa 3” tutaj to nazwa trzeciej kolumny i zawiera w nim „Bromley, Ivy, Freddie, Noah i Teddy”. Potem pojawia się kolumna „klasy 4” i umieszczamy „Milli, Leo, Jacob, Amelia i Samuel” jako wartości tej kolumny. Następnie dodajemy również kolumnę „klasy 5”, a wartości dla tej kolumny to „Alexander, Oscar, William, James i John”. Teraz „klasowie_df” jest tutaj ramką danych. Najpierw pokażemy ci tę ramkę danych, a następnie zmienimy tę ramkę danych na tablicę Numpy.

Rezultat, który tu dostajemy, to naciśnięcie klawisza „Shift+Enter”. W tym wyniku renderowany jest tylko jedna ramka danych, którą utworzyliśmy w powyższym kodzie. Teraz wykorzystamy metodę „to_numpy ()” do konwersji tego kompletu danych.

Wstawiamy podane linie kodu do kodu, w którym utworzyliśmy DataFrame. Najpierw używamy tutaj zmiennej, która jest „klasą_numpy” i inicjujemy tę zmienną metodą „to_numpy ()”. Musimy użyć poprawnej nazwyFrame z metodą „to_numpy ()”, więc piszemy ją jako „classes_df.to_numpy () ”, w którym„ classes_df ”to nazwa DataFrame i„ to_numpy () ”to metoda„ pandy ”, która przekonwertuje ramkę danych na tablicę Numpy.

Numpy tablica DataFrame jest renderowana poniżej. Jest to „tablica Numpy”, która jest pokazana na tym wyjściu, i otrzymujemy tę tablicę Numpy, wykorzystując metodę „to_numpy ()” w „Pandy”.

Przykład nr 02

Rzeka danych w tym kodzie to „Rejestrowanie_df”, który zawiera pięć unikalnych kolumn, a te nazwy kolumn to „Student_id, Last_name, First_name, Student_age i Program”. W kolumnie „Student_id” umieściliśmy „STD23-11, STD23-12, STD23-13, STD23-14, STD23-15, STD23-16, STD23-17, STD23-18 i STD23-19”. Następnie w kolumnie „Last_name” wstawiamy „Smith, John, Graham, Wilson, Peter, Bromley, George, Thomas i Russel”. Po umieszczeniu wartości w kolumnie „Last_name”, następnie umieszczamy wartości w kolumnie „First_name”, które są „Samue, James, Lily, Grace, Liam, Jack, Ryan, Oscar i Jacob”. Następnie mamy kolumnę „Student_age”, w której umieszczamy „16, 17, 20, 18, 16, 21, 19, 17 i 19”. Ostatnią kolumną, którą mamy, to kolumna „program”, w której dodaliśmy „sztukę, informatykę, pielęgniarstwo, kreślację, kaligrafię, informatykę, botonię, zoologię i sztukę”.

Teraz, po włożeniu wartości do wszystkich kolumn, drukujemy ten „rejestrowanie_df”, a następnie konwertujemy ten „rejestrowanie_df” do tablicy Numpy. Umieszczamy więc metodę „to_numpy ()” poniżej i wymieniamy nazwę strumienia danych za pomocą tej metody „to_numpy ()”. Tak więc przekonwertuje ramkę danych na tablicę Numpy, a także przechowuje tablicę Numpy w zmiennej „Event_numpy”. Renderujemy tutaj tablicę Numpy, używając „print ()”.

Tutaj zarówno komputer danych, jak i tablica Numpy są pokazane na poniższym wyjściu i możesz łatwo zauważyć różnicę między zestawem danych a tablicą Numpy.

Przykład nr 03

Powyższa ramka danych jest ponownie wykorzystywana w tym przykładzie i zmieniamy tutaj wartości TUTAJ. Zastąpiamy niektóre wartości kolumny „Student_age” na „NP. wartość nan ”, która jest wartością zerową, a my poradzimy sobie z tymi wartościami zerowymi tutaj, gdy przekształcimy tę ramkę danych w tablicę Numpy. Po umieszczeniu tej funkcji „print ()” używamy metody „to_numpy ()”, w której ustawiamy „np_value = 20”. Tak więc przekonwertuje wartości zerowe na 20. Gdy taframa danych zostanie przekonwertowana w tablicy Numpy, wówczas 20 renderuje w miejscu wartości zerowych i przechowujemy tę tablicę Numpy w zmiennej „Numpy_array”. Pokazujemy również tablicę Numpy, ponownie wykorzystując „print ()”.

W kolumnie „Student_age” w ramce danych możesz łatwo zauważyć, że pojawiły się wartości „NAN”, ale po zmianie tej ramki danych na tablicę Numpy „20” pojawiło się w miejscu „NAN”, ponieważ ustawiamy tę 20 wartości. W metodzie „to_numpy ()”, więc jest ona tutaj renderowana.

Przykład nr 04

„DF” DataFrame ma pięć odrębnych kolumn: nazwa produktu, przedstawiciel handlowy, miesiąc, utwory i kraj. Wprowadziliśmy „Produkt 1, Product 2, Product 3, Product 4 i Product 5” w polu „Nazwa produktu”. Następnie wchodzimy „Tom, Joe, Peter, Bromley i Samuel” w polu „przedstawiciel sprzedaży”. Po kolumnie „przedstawiciela sprzedaży” wprowadziliśmy nazwiska „luty, sierpień, wrzesień, październik i dec” w kolumnie „miesiąc”. Kolumna „Piece” następuje, w której wymieniono „12 szt., 6 szt., 10 szt. Następnie weszliśmy do „Francji, Australii, Chin, Niemiec i Anglii” w kolumnie „Country”. Teraz wypełniliśmy wartości dla wszystkich kolumn; Drukujemy ten „DF” DataFrame przed przekształceniem go w tablicę Numpy.

Aby przekształcić „DF” w tablicę Numpy, umieszczamy poniżej metodę „to_numpy ()” i umieszczamy nazwę frame danych za pomocą tej metody. W rezultacie oprawa danych zostanie przekształcona w tablicę Numpy, a tablica Numpy jest również zapisywana w zmiennej „Sales_array”. Korzystając z „print ()”, renderujemy tutaj tablicę Numpy. Możemy również przekonwertować niektóre kolumny ramki danych na tablicę Numpy, zamiast przekształcić pełną ramkę danych w tablicę Numpy.

Do konwersji niektórych kolumn z ramką danych w tablicę Numpy używamy tej samej metody, która jest „to_numpy ()”, ale przed tą metodą umieszczamy nazwy dwóch kolumn tej ramki danych, które chcemy przekształcić w tablicę Numpy. Tutaj przekształcamy tylko kolumnę „przedstawiciela handlowego i kraju” w tablicę Numpy, a także drukuje te kolumny w formie Numpy Array.

Oryginalna ramka danych i tablica Numpy tego kompletnego ramki danych są renderowane, a pod nimi można zobaczyć, że dwie kolumny tegoframe danych są konwertowane na tablicę Numpy i wyświetlane tutaj.

Wniosek

W tym przewodniku dowiedzieliśmy się o tablicy Numpy. Omówiliśmy tutaj konwersję strumienia danych do tablicy Numpy za pomocą metody „to_numpy ()” „Pandy”. Zbadaliśmy koncepcję przekształcenia całej ramki danych w tablicę Numpy, a także konwersji niektórych kolumn z ramką danych w tablicę Numpy. Pokazaliśmy również, jak radzić sobie z wartościami zerowymi, jednocześnie przekształcając ramę danych w tablicę Numpy w tym przewodniku. W tym przewodniku zastosowaliśmy metodę „to_numpy ()”, która bardzo pomaga nam w przekształcaniu ramki danych w tablicę Numpy. Wyjaśniliśmy tutaj tę koncepcję dogłębnie.