Pandas Базовый №2. Создание DataFrame 2

Файлы к уроку:

• Для спонсоров Boosty
• Для спонсоров VK

• YouTube
• VK

Ссылки:

• Страница курса
• Плейлист YouTube
• Плейлист ВК

Описание

В этом уроке мы научимся создавать DataFrame еще несколькими способами:

• Создать DataFrame из одномерного массива numpy
• Создать DataFrame из двумерного массива numpy
• Создать DataFrame из Series
• Создать DataFrame из Series и словаря

Решение

Сначала нужно импортировать нужные модули.

import numpy as np
import pandas as pd

Создать DataFrame из массива numpy

Создаем датафрейм с помощью pandas.DataFrame. В качестве первого параметра передаем np.arange, второй параметр — имена столбцов.

# Создаем DataFrame из одномерного массива numpy
pd.DataFrame(np.arange(1, 5),
             columns=['num'])

Создать DataFrame из двумерного массива numpy

В функцию np.array нужно передать список списков. В каждом списке первый элемент будет являться значением для первого столбца, а второй элемент будет являться значением второго столбца.

# Создаем DataFrame из двумерного массива numpy
jp_albums = pd.DataFrame(np.array([[1980, 'British Steel'],
                                   [1981, 'Point of Entry'],
                                   [1982, 'Screaming for Vengeance'],
                                   [1984, 'Defenders of the Faith']]),
                         columns=['year', 'album'])

Создать DataFrame из нескольких Series

При создании DataFrame из списка Series нельзя сразу задать имена столбцов.

# Создаем DataFrame из Series
albums_1 = pd.Series([1986, 'Turbo'])
albums_2 = pd.Series([1988, 'Ram it Down'])
jp_albums_2 = pd.DataFrame([albums_1,
                            albums_2])
jp_albums_2.columns = ['year', 'album']

Создавать DataFrame из словаря серий

Каждая Series — это значения одного столбца.

# Создать DataFrame из Series и словаря
albums_3_name = pd.Series(['Painkiller', 'Jugulator'])
albums_3_year = pd.Series([1990, 1997])
jp_albums_3 = pd.DataFrame({'year': albums_3_name,
                            'album': albums_3_year})

Что если в одном из столбцов значения есть не для каждой строки

В данном примере для столбца nsongs значения есть не для всех строк. В таком случае в параметре index нужно указать индексы строк, которые нужно заполнить.

# Как произойдет заполнение
albums_4_name = pd.Series(['Demolition', 'Angel of Retribution'])
albums_4_year = pd.Series([2001, 2005])
albums_4_nsongs = pd.Series([13],
                            index=[0])
jp_albums_4 = pd.DataFrame({'year': albums_4_year,
                            'album': albums_4_name,
                            'nsongs': albums_4_nsongs})

Примененные функции

• numpy.arange
• pandas.DataFrame
• numpy.array
• pandas.Series

Курс Pandas Базовый

Номер урока	Урок	Описание
1	Pandas Базовый №1. Создание DataFrame и запись в CSV	Познакомимся с объектом DataFrame. Научимся его создавать двумя разными способами и научимся записывать его в файл.
2	Pandas Базовый №2. Создание DataFrame 2	Изучим еще несколько способов создания объекта DataFrame. В этом уроке мы создадим DataFrame из массива numpy, Series, словаря Series.
3	Pandas Базовый №3. Отбор строк и столбцов, Размерность, Импорт CSV	Получить информацию о размере DataFrame, отбор строк и столбцов, индексация.
4	Pandas Базовый №4. Операции со столбцами DataFrame	Операции со столбцами в Pandas. Переименование столбцов, добавление новых столбцов, изменить существующий столбец, удаление столбцов.
5	Pandas Базовый №5. Операции со строками	Объединение по вертикали методами append и concat, Создание строк вручную, Удаление строк методом drop, Фильтрация строк условием или срезом.
6	Pandas Базовый №6. Индексы	Зачем нужны индексы, Как задать индекс, Как пользоваться индексами.
7	Pandas Базовый №7. Категории	Что такое категориальные переменные.