Pandy do Numpy

„Biblioteka analizy danych Python” to „Pandy”. W „Pandy” seria jest łatwa do wygenerowania, a my możemy również przekształcić je w tablice Numpy. Sugeruje się, aby w miarę możliwości korzystać z tablicy Numpy z powodu kompleksowego zarządzania danymi. Dane mogą być szybko i łatwo skalowane i znormalizowane za pomocą tablic Numpy, które można wykorzystać do przygotowania danych do szkolenia modeli uczenia maszynowego. Pakiet „Pandy” oferuje różne sposoby przekształcenia serii w tablicę Numpy. Omówimy wszystkie metody, które pomagają nam przekształcić serię „Pandy” w „Numpy Array”. W tym artykule pokaże wszystkie możliwe sposoby zmiany serii na tablicę Numpy i zastosować wszystkie metody w naszym kodzie „Pandy” tutaj.

Metody przekształcania serii „Pandy” w „Numpy Array”

„Pandy” ułatwiają trzy odrębne metody, które pomagają nam przekształcić serię „Pandy” w „Numpy Array”. Metody te są omówione w tej sekcji:

• Pandy.seria.to_numpy () funkcja
• Pandy.seria.wartości właściwości
• Pandy.seria.właściwość tablicy

Zastosujemy te metody do serii „Pandy” do przekształcenia serii „Pandy” w „Numpy Array”. W tym artykule pokażemy również kilka przykładów, w których korzystamy z tych metod.

Przykład nr 01

Kody te są przedstawione w tym artykule za pomocą narzędzia „Spyder”. Aby stworzyć serię „Pandy”, musimy „zaimportować” moduły „pandy”. Dlatego dodaliśmy „import” i przy pomocy tego „importu” importujemy „pandy jako PD”. Następnie stworzyliśmy serię, umieszczając „PD.Seria ”i dodała„ Finlandia, Dania, Węgry, Angola, Izrael, Chiny i Ameryka ”w tej serii, a także zapisywały tę serię w zmiennej„ Series_Data ”. Mamy „print ()”, w którym umieszczamy „series_data”, więc ta seria będzie drukować na terminalu. Po prostu pokazujemy serię, a po pokazaniu serii przekonwertujemy tę serię w „Numpy Array”.

Seria jest wyświetlana tutaj, ponieważ wykonaliśmy ten kod za pomocą klawiszy „Shift+Enter”. Zauważ, że seria zawiera domyślne wartości indeksu. Przejdźmy naprzód, aby przekształcić tę serię w tablicę Numpy.

Wykorzystujemy „Pandy.seria.metoda to_numpy () ”, która zmieni serię na tablicę Numpy. Dodaliśmy zmienną „tablicę” do przechowywania tablicy Numpy, którą otrzymujemy po zastosowaniu „Pandy.seria.Funkcja to_numpy () ”. Umieszczamy nazwę serii, która jest „serii_data”, a następnie metoda „to_numpy ()”. Tak więc ta seria przekształca się w tablicę Numpy. Chcemy również pokazać tę tablicę Numpy, więc dodaliśmy zmienną „tablicę” w „print ()”.

Poprzednia seria jest teraz przekształcona w tablicę Numpy i jest również pokazana w tym wyniku. Tablica Numpy nie zawiera wartości indeksu, jak pokazano tutaj:

Przykład nr 02

Wykorzystaliśmy dwie biblioteki, „Pandy” i „Numpy”. Seria, którą stworzyliśmy, to „Job_data” za pomocą „PD.Seria ”i zawiera„ freelancer, inżynier oprogramowania, lekarz, pisarz techniczny, nauczyciel, instruktor i konstruktor ”. Najpierw drukujemy tę serię „JOB_DATA”, a następnie konwertujemy serię „Job_data” na tablicę Numpy, umieszczając „NP.metoda array () ”i dodanie do niej nazwy serii, a także umieszczanie„ tablicy ”z nazwą serii w tej funkcji. To przekształci serię „JOB_DATA” w „Numpy Array” i uratuje ją w „Job_array”. Następnie przekazujemy „Job_Array” do „wydruku”.

Seria i tablica Numpy są pokazane na tym wyjściu. Zauważ, że seria zawiera wartości indeksu, ale tablica Numpy nie ma wartości indeksu.

Przykład nr 03

Seria „Fruits_data” w tym kodzie zawiera „Mulberry, damna, wiśnia, pomarańczowa, brzoskwiniowa, morela, oliwka, jabłko, gruszka i arbuza”. Następnie piszemy „print ()” i dodajemy do niego „owoce_data”. Następnie przekształcamy serię „Fruits_Data” w tablicę Numpy za pomocą metody „to_numpy ()”. Ta tablica Numpy jest również przechowywana w „Fruits_Array”, a „owoce_array” jest dodawane do „print ()”.

Oto seria „Pandy” i tablica Numpy w wyniku poprzedniego kodu. Tutaj możesz również obserwować różnice serii i tablicy Numpy:

Przykład nr 04

Tutaj użyliśmy bibliotek „Numpy” i „Pandy”. Wykorzystując „PD.Seria „Zbudowaliśmy serię„ Dane ”, która obejmuje„ AY123, AY678, AY876, AY908, AY987, AY912, AY456 i AY012 ”. Seria „danych” jest najpierw drukowana, a następnie przekształca się w tablicę Numpy za pomocą „NP.metoda array () ”, dodając do niej nazwę serii, a następnie„ wartości ”. Przechowujemy również tablicę Numpy w zmiennej „New_Array”. Seria „danych” przekształci się w „tablicę Numpy” i zostanie zapisana w „New_Array.„„ New_Array ”jest następnie przekazywany do„ wydruku ”.

To dane wyjście wyświetla zarówno serię, jak i tablicę Numpy. Należy pamiętać, że tablica Numpy nie ma wartości indeksu, ale seria zawiera wartości indeksu.

Przykład nr 05

Teraz tworzymy oprawę danych „S_DF”, umieszczając metodę „Pandy”, która jest w tym przypadku „DataFrame ()”. Dodaliśmy różne kolumny, a każda kolumna DataFrame jest również nazywana serią. Dodaliśmy „imię”, które zawiera „Roman, Collins, Ethan, Poppy, Edward, Archie, Benjamin i Bromley”. Następnie pojawiają się „Marks”, dodając „278, 344, 239, 310, 485, 298, 453 i 670”. Następnie wstawiliśmy „37%, 54%, 15%, 59%, 76%, 34%, 61%i 80%” w kolumnie „procent”. Wpisujemy „print ()” i dodajemy do niego „s_df”. Tak więc wyświetli się „s_df”.

Teraz przekształcamy dwie kolumny ramki danych w tablicę Numpy, ponieważ omówiliśmy również, że kolumna DataFrame jest również serią „pandy”. Najpierw konwertujemy serię „Nazwa” na tablicę Numpy, używając „NP.tablica ”i dodanie„ S_DF ”z kolumną„ Nazwa ”, a następnie wpisując z nią„ Wartości ”. Zapisaliśmy tę tablicę Numpy w zmiennej „my_array1”, a następnie ją wyświetliśmy. Stosujemy tę samą metodę, ale tym razem wspomnieliśmy o kolumnie „Znaki” w ramce danych do przekształcenia jej w tablicę Numpy. Ta druga tablica Numpy jest zapisana w „my_array2” i dodaje się do „druku” do renderowania.

Przedstawiona jest pierwsza przedstawienie danych. Następnie kolumna „Nazwa” lub „Nazwa” jest przekonwertowana w tablicę Numpy i wyświetlana. Ponadto kolumna „Marks” jest przekształcana w tablicę Numpy i renderowana tutaj.

Przykład nr 06

Teraz przeczytamy plik CSV tutaj, a następnie przekonwertujemy jego dane na DataFrame i Series. Również seria w tablicy Numpy. „File_Data” jest inicjowany za pomocą „PD.Metoda read_csv () ”, a ścieżka pliku CSV jest wprowadzona do niej. Czytamy „plik.CSV ”, a ta metoda konwertuje dane pliku w ramkę danych i przechowuje je w„ File_Data ”. Dodajemy również metodę „Dropna ()”, która zrzuci wartości zerowe, jeśli będzie obecne w tym ramie danych.

Teraz używamy „Drukuj”, a potem używamy „PD.Metoda serii () ”i dodaj nazwę DataFrame i jedną kolumnę DataFrame, która jest„ S_Location ”. To przekonwertuje go w serię i zapisze w „my_series”. Stosujemy metodę „to_numpy ()” do konwersji danych „S_Location” w tablicę Numpy, a metoda „to_numpy” jest dodawana w „Drukuj”, więc będzie również wyświetlana.

Dane, które otrzymujemy po przeczytaniu „pliku.CSV ”jest wyświetlany w formie DataFrame, a następnie jedna z jego kolumn„ S_Location ”jest przekonwertowana na tablicę Numpy.

Wniosek

W tym artykule omówiliśmy tablicę Numpy w „Pandy”. Tutaj wyjaśniliśmy przy użyciu różnych metod przekształcenia serii „Pandy” w tablicę Numpy. Przeglądaliśmy pomysły przekształcenia serii w tablicę Numpy, a także przekształcanie kolumn DataFrame w tablicę Numpy. Ponadto w tym artykule pokazano, jak poradzić sobie z wartościami zerowymi podczas przekształcania serii w tablicę Numpy. W tym samouczku zastosowaliśmy trzy odrębne metody, które znacznie ułatwiają konwersję serii do tablicy Numpy. Ta koncepcja została tutaj dokładnie wyjaśniona.