Python Pandas - Funzionalità di base

A questo punto, abbiamo imparato a conoscere le tre strutture di dati di Panda e come crearle. Ci concentreremo principalmente sugli oggetti DataFrame a causa della sua importanza nell'elaborazione dei dati in tempo reale e discuteremo anche di alcune altre DataStructures.

Funzionalità di base della serie

Sr.No.	Attributo o metodo e descrizione
1	axes Restituisce un elenco delle etichette dell'asse di riga
2	dtype Restituisce il dtype dell'oggetto.
3	empty Restituisce True se la serie è vuota.
4	ndim Restituisce il numero di dimensioni dei dati sottostanti, per definizione 1.
5	size Restituisce il numero di elementi nei dati sottostanti.
6	values Restituisce la serie come ndarray.
7	head() Restituisce le prime n righe.
8	tail() Restituisce le ultime n righe.

Creiamo ora una serie e vediamo tutte le operazioni sugli attributi tabulate sopra.

Esempio

import pandas as pd
import numpy as np

#Create a series with 100 random numbers
s = pd.Series(np.random.randn(4))
print s

Suo output è il seguente -

0   0.967853
1  -0.148368
2  -1.395906
3  -1.758394
dtype: float64

assi

Restituisce l'elenco delle etichette della serie.

import pandas as pd
import numpy as np

#Create a series with 100 random numbers
s = pd.Series(np.random.randn(4))
print ("The axes are:")
print s.axes

Suo output è il seguente -

The axes are:
[RangeIndex(start=0, stop=4, step=1)]

Il risultato sopra è un formato compatto di un elenco di valori da 0 a 5, cioè [0,1,2,3,4].

vuoto

Restituisce il valore booleano che indica se l'oggetto è vuoto o meno. True indica che l'oggetto è vuoto.

import pandas as pd
import numpy as np

#Create a series with 100 random numbers
s = pd.Series(np.random.randn(4))
print ("Is the Object empty?")
print s.empty

Suo output è il seguente -

Is the Object empty?
False

ndim

Restituisce il numero di dimensioni dell'oggetto. Per definizione, una serie è una struttura dati 1D, quindi restituisce

import pandas as pd
import numpy as np

#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print s

print ("The dimensions of the object:")
print s.ndim

Suo output è il seguente -

0   0.175898
1   0.166197
2  -0.609712
3  -1.377000
dtype: float64

The dimensions of the object:
1

taglia

Restituisce la dimensione (lunghezza) della serie.

import pandas as pd
import numpy as np

#Create a series with 4 random numbers
s = pd.Series(np.random.randn(2))
print s
print ("The size of the object:")
print s.size

Suo output è il seguente -

0   3.078058
1  -1.207803
dtype: float64

The size of the object:
2

valori

Restituisce i dati effettivi nella serie come matrice.

import pandas as pd
import numpy as np

#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print s

print ("The actual data series is:")
print s.values

Suo output è il seguente -

0   1.787373
1  -0.605159
2   0.180477
3  -0.140922
dtype: float64

The actual data series is:
[ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]

Testa e coda

Per visualizzare un piccolo campione di un oggetto Series o DataFrame, utilizzare i metodi head () e tail ().

head() restituisce il primo nrighe (osservare i valori dell'indice). Il numero predefinito di elementi da visualizzare è cinque, ma puoi passare un numero personalizzato.

import pandas as pd
import numpy as np

#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print ("The original series is:")
print s

print ("The first two rows of the data series:")
print s.head(2)

Suo output è il seguente -

The original series is:
0   0.720876
1  -0.765898
2   0.479221
3  -0.139547
dtype: float64

The first two rows of the data series:
0   0.720876
1  -0.765898
dtype: float64

tail() restituisce l'ultimo nrighe (osservare i valori dell'indice). Il numero predefinito di elementi da visualizzare è cinque, ma puoi passare un numero personalizzato.

import pandas as pd
import numpy as np

#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print ("The original series is:")
print s

print ("The last two rows of the data series:")
print s.tail(2)

Suo output è il seguente -

The original series is:
0 -0.655091
1 -0.881407
2 -0.608592
3 -2.341413
dtype: float64

The last two rows of the data series:
2 -0.608592
3 -2.341413
dtype: float64

Funzionalità di base di DataFrame

Vediamo ora cosa è la funzionalità di base di DataFrame. Le tabelle seguenti elencano gli attributi oi metodi importanti che aiutano nella funzionalità di base di DataFrame.

Sr.No.	Attributo o metodo e descrizione
1	T Traspone righe e colonne.
2	axes Restituisce un elenco con le etichette dell'asse di riga e le etichette dell'asse di colonna come unici membri.
3	dtypes Restituisce i dtypes in questo oggetto.
4	empty Vero se NDFrame è completamente vuoto [nessun elemento]; se uno degli assi è di lunghezza 0.
5	ndim Numero di assi / dimensioni della matrice.
6	shape Restituisce una tupla che rappresenta la dimensionalità di DataFrame.
7	size Numero di elementi in NDFrame.
8	values Rappresentazione numpy di NDFrame.
9	head() Restituisce le prime n righe.
10	tail() Restituisce le ultime n righe.

Creiamo ora un DataFrame e vediamo tutto come funzionano gli attributi sopra menzionati.

Esempio

import pandas as pd
import numpy as np

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data series is:")
print df

Suo output è il seguente -

Our data series is:
    Age   Name    Rating
0   25    Tom     4.23
1   26    James   3.24
2   25    Ricky   3.98
3   23    Vin     2.56
4   30    Steve   3.20
5   29    Smith   4.60
6   23    Jack    3.80

T (trasposizione)

Restituisce la trasposizione di DataFrame. Le righe e le colonne si scambieranno.

import pandas as pd
import numpy as np
 
# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

# Create a DataFrame
df = pd.DataFrame(d)
print ("The transpose of the data series is:")
print df.T

Suo output è il seguente -

The transpose of the data series is:
         0     1       2      3      4      5       6
Age      25    26      25     23     30     29      23
Name     Tom   James   Ricky  Vin    Steve  Smith   Jack
Rating   4.23  3.24    3.98   2.56   3.2    4.6     3.8

assi

Restituisce l'elenco delle etichette degli assi delle righe e delle etichette degli assi delle colonne.

import pandas as pd
import numpy as np

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame
df = pd.DataFrame(d)
print ("Row axis labels and column axis labels are:")
print df.axes

Suo output è il seguente -

Row axis labels and column axis labels are:

[RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'],
dtype='object')]

dtypes

Restituisce il tipo di dati di ogni colonna.

import pandas as pd
import numpy as np

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame
df = pd.DataFrame(d)
print ("The data types of each column are:")
print df.dtypes

Suo output è il seguente -

The data types of each column are:
Age     int64
Name    object
Rating  float64
dtype: object

vuoto

Restituisce il valore booleano indicando se l'oggetto è vuoto o meno; True indica che l'oggetto è vuoto.

import pandas as pd
import numpy as np
 
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
 
#Create a DataFrame
df = pd.DataFrame(d)
print ("Is the object empty?")
print df.empty

Suo output è il seguente -

Is the object empty?
False

ndim

Restituisce il numero di dimensioni dell'oggetto. Per definizione, DataFrame è un oggetto 2D.

import pandas as pd
import numpy as np

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The dimension of the object is:")
print df.ndim

Suo output è il seguente -

Our object is:
      Age    Name     Rating
0     25     Tom      4.23
1     26     James    3.24
2     25     Ricky    3.98
3     23     Vin      2.56
4     30     Steve    3.20
5     29     Smith    4.60
6     23     Jack     3.80

The dimension of the object is:
2

forma

Restituisce una tupla che rappresenta la dimensionalità di DataFrame. Tupla (a, b), dove a rappresenta il numero di righe eb rappresenta il numero di colonne.

import pandas as pd
import numpy as np
 
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
 
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The shape of the object is:")
print df.shape

Suo output è il seguente -

Our object is:
   Age   Name    Rating
0  25    Tom     4.23
1  26    James   3.24
2  25    Ricky   3.98
3  23    Vin     2.56
4  30    Steve   3.20
5  29    Smith   4.60
6  23    Jack    3.80

The shape of the object is:
(7, 3)

taglia

Restituisce il numero di elementi nel DataFrame.

import pandas as pd
import numpy as np
 
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
 
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The total number of elements in our object is:")
print df.size

Suo output è il seguente -

Our object is:
    Age   Name    Rating
0   25    Tom     4.23
1   26    James   3.24
2   25    Ricky   3.98
3   23    Vin     2.56
4   30    Steve   3.20
5   29    Smith   4.60
6   23    Jack    3.80

The total number of elements in our object is:
21

valori

Restituisce i dati effettivi nel DataFrame come file NDarray.

import pandas as pd
import numpy as np
 
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
 
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The actual data in our data frame is:")
print df.values

Suo output è il seguente -

Our object is:
    Age   Name    Rating
0   25    Tom     4.23
1   26    James   3.24
2   25    Ricky   3.98
3   23    Vin     2.56
4   30    Steve   3.20
5   29    Smith   4.60
6   23    Jack    3.80
The actual data in our data frame is:
[[25 'Tom' 4.23]
[26 'James' 3.24]
[25 'Ricky' 3.98]
[23 'Vin' 2.56]
[30 'Steve' 3.2]
[29 'Smith' 4.6]
[23 'Jack' 3.8]]

Testa e coda

Per visualizzare un piccolo campione di un oggetto DataFrame, utilizzare il head() e metodi tail (). head() restituisce il primo nrighe (osservare i valori dell'indice). Il numero predefinito di elementi da visualizzare è cinque, ma puoi passare un numero personalizzato.

import pandas as pd
import numpy as np
 
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data frame is:")
print df
print ("The first two rows of the data frame is:")
print df.head(2)

Suo output è il seguente -

Our data frame is:
    Age   Name    Rating
0   25    Tom     4.23
1   26    James   3.24
2   25    Ricky   3.98
3   23    Vin     2.56
4   30    Steve   3.20
5   29    Smith   4.60
6   23    Jack    3.80

The first two rows of the data frame is:
   Age   Name   Rating
0  25    Tom    4.23
1  26    James  3.24

tail() restituisce l'ultimo nrighe (osservare i valori dell'indice). Il numero predefinito di elementi da visualizzare è cinque, ma puoi passare un numero personalizzato.

import pandas as pd
import numpy as np

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
   'Age':pd.Series([25,26,25,23,30,29,23]), 
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
 
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data frame is:")
print df
print ("The last two rows of the data frame is:")
print df.tail(2)

Suo output è il seguente -

Our data frame is:
    Age   Name    Rating
0   25    Tom     4.23
1   26    James   3.24
2   25    Ricky   3.98
3   23    Vin     2.56
4   30    Steve   3.20
5   29    Smith   4.60
6   23    Jack    3.80

The last two rows of the data frame is:
    Age   Name    Rating
5   29    Smith    4.6
6   23    Jack     3.8