Pandas .valores

Um formato de dados tabulares de tamanho bidimensional e possivelmente heterogeneidade com eixos marcados, é chamado de “Pandas Dataframe”. Nomes de linha e colunas se alinham com operações aritméticas. A principal estrutura de dados dos pandas é representada por isso. Uma representação numpy do quadro de dados fornecida é retornada pelo atributo de valores. Podemos obter a representação Numpy, utilizando o atributo "valores". Na representação Numpy, os rótulos dos quadros de dados também são removidos. Neste artigo, utilizaremos o atributo "valores" em nosso programa Python para obter a representação "Numpy" do quadro de dados. Vamos explorar esse atributo "valores de pandas" em detalhes neste artigo.

Sintaxe:

A sintaxe para obter a representação Numpy do DataFrame é dada abaixo:

# Quadro de dados.valores

Exemplo # 01:

Para realizar esses exemplos, temos que instalar a ferramenta Spyder. Após a instalação desta ferramenta, escrevemos alguns códigos que também são mostrados abaixo. Primeiro, temos que importar o "panda" como "PD". O Python é instruído a importar a biblioteca de processamento de dados dos pandas para o código existente pela seção Importar pandas do código. A seção PD do Código instrui o Python a atribuir pandas à abreviação de PD. Como resultado, você pode usar funções de pandas digitando apenas PD. Então, estamos criando o "DataFrame" abaixo disso. Nós atribuímos o “PD.DataFrame ”para a variável“ DF ”. Colocamos o nome como o nome da coluna e colocamos alguns nomes para esta coluna.

Aqui, adicionamos "John", "Henry", "Peter" e "Smith" a esta coluna "Nome". Depois vem a coluna "Age" e adicionamos a idade de todos aqueles que são "45", "25", "60" e "33". O nome da terceira coluna é "Pay" aqui. Adicionamos o pagamento de todos eles como "12000", "35000", "15000" e "23500". Depois disso, utilizamos a declaração "print ()" que imprime esse quadro de dados em linhas e colunas. Agora, salve este código com o nome de sua escolha e a extensão do arquivo para isso aparecerá automaticamente.

Para obter o resultado deste código, apenas pressionamos "Shift+Enter" ou também podemos usar o botão Executar nesta ferramenta "Spyder". Quando pressionamos o botão Executar na barra de tarefas, podemos obter a saída no terminal da ferramenta "Spyder". Depois disso, a saída será renderizada na tela. Na imagem dada, você pode observar que os dados são impressos em linhas e colunas. Mas queremos imprimir esses dados na representação Numpy. Então, para isso, adicionamos mais algumas linhas no código acima, que também são fornecidas abaixo desta captura de tela de saída.

Para obter a representação "Numpy", usamos o atributo "valores" com o nome do DataFrame que criamos acima. Utilizamos uma variável chamada "RSLT" e atribuímos o "df. Valores ”para essa variável“ RSLT ”, para que dê a representação numpy do DataFrame. Para imprimir esta representação "Numpy", utilizamos a declaração "print ()" aqui.

A captura de tela mostra que os dados são representados como o "Numpy". Conseguimos essa representação "Numpy" com a ajuda do atributo "valores" em nosso código. Não há rótulos do quadro de dados nesta representação Numpy.

Exemplo # 02:

Agora, estamos realizando outro exemplo aqui para você e utilizamos novamente o atributo "valores" neste exemplo. Iniciamos nosso código importando o "panda" como "PD". Isso nos ajudará a utilizar a função do panda apenas colocando "PD". Depois disso, temos uma variável chamada "DF1" e inicializamos com um DataFrame apenas digitando "PD.Quadro de dados". Estamos criando quatro colunas diferentes para esse quadro de dados como "nome", "idade", "pagamento" e "profissão". Colocamos alguns nomes nas colunas "nomes" e também usamos a palavra -chave "nenhuma" aqui. Este "nenhum" é utilizado para definir um valor nulo. Adicionamos dois nomes "Alies" e "Peter", e duas palavras -chave "nenhuma" nesta coluna "nome".

Então, temos a "idade". Adicionamos dados da idade como "55", "64" e "39". Também usamos a coluna "Nenhum" para esta "idade". Adicionamos "25000", "55000", "28000" e também uma palavra -chave "nenhum" para a coluna "Pay". Então, vem a "profissão". Temos "It Professional" e "SE Engineer" e os dois restantes como "nenhum". Primeiro, imprimimos este "DataFrame", que aparecerá no formulário de linhas e colunas e, em seguida, aplicamos o atributo "valores" ao DataFrame "DF1" e atribuímos isso a "DF2". Nós escrevemos como “df1.valores ”e inicialize“ df2 ”com isso. Agora, imprimimos este "DF2" e você verá que ele retorna a representação Numpy desse quadro de dados e removerá os rótulos que adicionamos no quadro de dados. Salve este código e então podemos obter o resultado deste código.

Pressionamos "Shift+Enter" e esta saída fornecida é renderizada na tela do terminal. Aqui, podemos ver facilmente os dados no quadro de dados que aparecem em linhas e colunas. Os rótulos também são mencionados e abaixo dos dados são renderizados na representação Numpy e os rótulos são removidos porque utilizamos o atributo "valores" com o nome do "DataFrame". Aqui, você observa que ele renderiza "nan" para o "nenhum".

Exemplo # 03:

Agora, temos o terceiro e o último exemplo em que utilizaremos o atributo "valores". Nós novamente importamos os "pandas" como "pd". O motivo para importar os "pandas como PD" já está discutido nos códigos acima. Criamos um "DataFrame" colocando "PD.Quadro de dados". Nós atribuímos este “PD.DataFrame ”para uma variável e o nome dessa variável é“ df3 ”. Adicionamos alguns dados no quadro de dados.

Como discutimos, esses dados serão renderizados na forma de linhas e colunas. Adicionamos "David", "John", "550" e "900" na primeira linha do DataFrame. Também adicionamos "Alies", "William", "400" e "900" na segunda linha. Na terceira linha, adicionamos "Emma", "Noah", "655" e "900". Por fim, adicionamos "Alexander", "Thomas", "700" e "900". Agora, estamos utilizando a palavra -chave "valores" para obter representação numpy. Inicializamos a variável "resultado" e a inicializamos com o "DF3. valores ”. Então, queremos imprimir esta representação Numpy do DataFrame que obtemos depois de aplicar este atributo "valores". Então, utilizamos o "print ()" e passamos o "resultado" como o parâmetro desta função. Ele retornará a representação "Numpy" no terminal de saída. Agora, salve este código.

A captura de tela que é dada abaixo é a representação Numpy. Recebemos essa saída simplesmente pressionando "Shift+Enter", que também discutimos acima.

Conclusão

Apresentamos este artigo para explicar o conceito do atributo "valores de pandas". Nós explicamos esse conceito em detalhes para que você entenda facilmente como utilizar o atributo "valores". Discutimos que o atributo "valores" é utilizado para obter a representação Numpy do DataFrame. Na representação Numpy, os rótulos são removidos. Nós apenas obtemos os valores, não rótulos. Exploramos vários exemplos neste artigo e também explicamos todas as linhas de códigos em detalhes. Fornecemos a saída de todos os códigos aqui, bem como os códigos.