欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python中DataFrame與內置數(shù)據(jù)結構相互轉換的實現(xiàn)

 更新時間:2023年02月10日 08:40:19   作者:古明地覺  
pandas?支持我們從?Excel、CSV、數(shù)據(jù)庫等不同數(shù)據(jù)源當中讀取數(shù)據(jù),來構建?DataFrame。但有時數(shù)據(jù)并不來自這些外部數(shù)據(jù)源,這就涉及到了?DataFrame?和?Python?內置數(shù)據(jù)結構之間的相互轉換,本文就來和大家詳細聊聊

楔子

pandas 支持我們從 Excel、CSV、數(shù)據(jù)庫等不同數(shù)據(jù)源當中讀取數(shù)據(jù),來構建 DataFrame。但有時數(shù)據(jù)并不來自這些外部數(shù)據(jù)源,而是來自一個已經存在的 Python 數(shù)據(jù)結構,比如列表、字典等等。

同理當需要導出 DataFrame 時,也不一定非要寫到外部文件里,而是希望生成字典或者列表,那么這個時候該怎么做呢?

所以這就涉及到了 DataFrame 和 Python 內置數(shù)據(jù)結構之間的相互轉換,下面來介紹一些最佳實踐,你可以根據(jù)實際情況進行選擇。

DataFrame 轉成內置數(shù)據(jù)結構

假設有這樣一個 DataFrame:

import?pandas?as?pd

df?=?pd.DataFrame({"name":?["Satori",?"Koishi",?"Marisa"],
???????????????????"score":?[99,?98,?100],
???????????????????"rank":?[2,?3,?1]})

print(df)
"""
?????name??score??rank
0??Satori?????99?????2
1??Koishi?????98?????3
2??Marisa????100?????1
"""

那么看看 DataFrame 都提供了哪些方法,以及在轉成內置數(shù)據(jù)結構之后是什么樣子?

df.to_records()

將 DataFrame 轉成 Numpy 的數(shù)組,數(shù)組里面是一個個的元組。

print(df.to_records())
"""
[(0,?'Satori',??99,?2)?(1,?'Koishi',??98,?3)?(2,?'Marisa',?100,?1)]
"""
#?返回的時候將索引也帶上了,我們可以去掉
print(df.to_records(index=False))
"""
[('Satori',??99,?2)?('Koishi',??98,?3)?('Marisa',?100,?1)]
"""
#?df.to_records?返回的是?numpy?的數(shù)組,可以再轉成列表
print(df.to_records(index=False).tolist())
"""
[('Satori',?99,?2),?('Koishi',?98,?3),?('Marisa',?100,?1)]
"""

這種數(shù)據(jù)結構還是很常見的,在工作中經常會用到。但唯一不好的是,字段信息丟失了。

df.to_dict()

將 DataFrame 轉成 Python 的字典。

#?返回?Python?的字典,key?是字段名,value?是對應的每一列
print(df.to_dict())
"""
{'name':?{0:?'Satori',?1:?'Koishi',?2:?'Marisa'},
?'rank':?{0:?2,?1:?3,?2:?1},
?'score':?{0:?99,?1:?98,?2:?100}}
"""

#?但這里的?value?有一些問題,就是它把索引也包含在里面了
#?我們可以去掉它
print(
????{k:?tuple(v.values())?for?k,?v?in?df.to_dict().items()}
)
"""
{'name':?('Satori',?'Koishi',?'Marisa'),
?'rank':?(2,?3,?1),
?'score':?(99,?98,?100)}
"""

#?當然啦,to_dict()?還可以手動實現(xiàn)
print(
????{col:?tuple(df[col])?for?col?in?df.columns}
)
"""
{'name':?('Satori',?'Koishi',?'Marisa'),
?'rank':?(2,?3,?1),
?'score':?(99,?98,?100)}
"""

這種格式的數(shù)據(jù)用的就不多了,用得更多的是下一種。

df.to_dict(orient="records")

將 DataFrame 轉成 Python 的列表,列表里面是一個個的字典,每個字典代表數(shù)據(jù)的每一行。

print(df.to_dict(orient="records"))
"""
[{'name':?'Satori',?'rank':?2,?'score':?99},
?{'name':?'Koishi',?'rank':?3,?'score':?98},
?{'name':?'Marisa',?'rank':?1,?'score':?100}]
"""

個人覺得這種數(shù)據(jù)結構應該用得最多。

DataFrame 生成的數(shù)據(jù)還有其它格式,這里就不贅述了,常用的就是上面幾種。

內置數(shù)據(jù)結構轉成 DataFrame

內置數(shù)據(jù)結構轉成 DataFrame,我們也來介紹幾個最常用的場景。

import?pandas?as?pd

data?=?[{'name':?'Satori',?'rank':?2,?'score':?99},
????????{'name':?'Koishi',?'rank':?3,?'score':?98},
????????{'name':?'Marisa',?'rank':?1,?'score':?100}]

#?對于這種數(shù)據(jù),可以通過?DataFrame?的?from_records?方法
#?列表里的字典代表了?DataFrame?的每一行,每個字典都具有相同的?key
#?而這些?key?則表示?DataFrame?的列
print(pd.DataFrame.from_records(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""
#?或者更簡單的,直接調用?pd.DataFrame?即可
print(pd.DataFrame(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""
#?如果列表里面的字典,不具備相同的 key,會怎么樣呢?
data[2]["length"]?=?155
print(pd.DataFrame(data))
"""
?????name??rank??score??length
0??Satori?????2?????99?????NaN
1??Koishi?????3?????98?????NaN
2??Marisa?????1????100???155.0
"""
#?很簡單,會將所有的?key?都考慮在內
#?如果某一行沒有指定的?key,那么對應的值就是空

當然數(shù)據(jù)也可能是這種格式:

import?pandas?as?pd

data?=?{'2020-01-01':?{'name':?'Satori',?'rank':?2,?'score':?99},
????????'2020-01-02':?{'name':?'Koishi',?'rank':?3,?'score':?98},
????????'2020-01-03':?{'name':?'Marisa',?'rank':?1,?'score':?100}}

print(pd.DataFrame.from_dict(data,?orient="index"))
"""
??????????????name??rank??score
2020-01-01??Satori?????2?????99
2020-01-02??Koishi?????3?????98
2020-01-03??Marisa?????1????100
"""

最后一種:

import?pandas?as?pd

data?=?{'name':?['Satori',?'Koishi',?'Marisa'],
????????'rank':?[2,?3,?1],
????????'score':?[99,?98,?100]}
#?直接調用?DataFrame?即可
print(pd.DataFrame(data))
"""
?????name??rank??score
0??Satori?????2?????99
1??Koishi?????3?????98
2??Marisa?????1????100
"""

上面就是本文的內容,比較簡單。并且相關函數(shù)的具體用法,也沒有詳細說明,只是從工作角度介紹了一些最佳實踐。更多內容,可以查看 pandas 的注釋。

到此這篇關于Python中DataFrame與內置數(shù)據(jù)結構相互轉換的實現(xiàn)的文章就介紹到這了,更多相關Python DataFrame內置數(shù)據(jù)結構內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • python和shell實現(xiàn)的校驗IP地址合法性腳本分享

    python和shell實現(xiàn)的校驗IP地址合法性腳本分享

    這篇文章主要介紹了python和shell實現(xiàn)的校驗IP地址合法性腳本分享,每個腳本配有執(zhí)行效果圖,需要的朋友可以參考下
    2014-10-10
  • Python如何省略括號方法詳解

    Python如何省略括號方法詳解

    這篇文章主要介紹了Python如何省略括號方法詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-03-03
  • Python爬蟲學習之獲取指定網頁源碼

    Python爬蟲學習之獲取指定網頁源碼

    這篇文章主要為大家詳細介紹了Python爬蟲學習之獲取指定網頁源碼,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2019-07-07
  • Python 快速實現(xiàn)CLI 應用程序的腳手架

    Python 快速實現(xiàn)CLI 應用程序的腳手架

    本篇文章主要介紹了Python 快速實現(xiàn)CLI 應用程序的腳手架,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-12-12
  • python中__set_name__的具體使用

    python中__set_name__的具體使用

    在Python中,我們可以通過__set_name__方法來實現(xiàn)一些特殊的操作,本文主要介紹如何在Python中實現(xiàn)__set_name__方法,并且給出一些實際應用的示例,感興趣的可以了解一下
    2024-01-01
  • python字符串操作詳析

    python字符串操作詳析

    這篇文章主要介紹了python字符串操作,字符串是不可變類型可以重新賦值,但不可以索引改變其中一個值,只能拼接字符串建立新變量,下面來了解具體內容吧,需要的小伙伴可以參考一下
    2022-02-02
  • Python pygame繪制文字制作滾動文字過程解析

    Python pygame繪制文字制作滾動文字過程解析

    這篇文章主要介紹了Python pygame繪制文字制作滾動文字過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-12-12
  • 詳解Python裝飾器 給你的咖啡加點料

    詳解Python裝飾器 給你的咖啡加點料

    今天你的咖啡加糖了嗎? 讓我們通過一個簡單的例子來引出裝飾器的概念及用法。在引出裝飾器之前,我們先來了解一下函數(shù)的概念,感興趣的朋友跟隨小編一起看看吧
    2021-07-07
  • python:批量統(tǒng)計xml中各類目標的數(shù)量案例

    python:批量統(tǒng)計xml中各類目標的數(shù)量案例

    這篇文章主要介紹了python:批量統(tǒng)計xml中各類目標的數(shù)量案例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • django中forms組件的使用與注意

    django中forms組件的使用與注意

    這篇文章主要給大家介紹了關于django中forms組件的使用與注意的相關資料,文中通過示例代碼介紹的非常詳細,對大家學習或者使用django具有一定的參考學習價值,需要的朋友們下面來一起學習學習吧
    2019-07-07

最新評論