Pandas DataFrame da lista de ditos

Pandas DataFrame da lista de ditos
Uma estrutura de dados da etiqueta “duas dimensionados” chamada “Pandas Dataframe” tem colunas que podem ser de vários tipos. Normalmente é o objeto "pandas" que é utilizado mais. "Pandas" fornece vários métodos para gerar um quadro de dados de pandas. Este tutorial é apresentado aqui, que descobrirá como criar um quadro de dados a partir de uma coleção de dicionários de "pandas". Os dicionários podem ser convertidos em quadros de dados de várias maneiras usando "pandas". Discutiremos todos os métodos com uma explicação completa e detalhada de cada um deles neste tutorial.

Métodos para criar dataframe a partir de listas de dicto em "pandas"

Os métodos utilizados para criar o quadro de dados a partir das listas de dicionários são fornecidos abaixo. Neste guia, também utilizaremos todos esses métodos especificados em nossos exemplos práticos e os explicaremos em detalhes aqui. Esses métodos são:

  • Pd.Quadro de dados()
  • Pd.Quadro de dados.de_dict ()
  • Pd.Quadro de dados.From_records ()
  • Pd.Jason_Normalize ()

Agora, estamos nos movendo para utilizar esses métodos em nosso código "Pandas" e, para isso, temos a ferramenta "Spyder" na qual executaremos nosso código "Pandas". Vamos ver os seguintes exemplos:

Exemplo 01

Sempre que queremos gerar o quadro de dados, devemos ter listas de dicionários. Antes de criar as listas, devemos importar os "pandas" como "PD" porque estamos trabalhando em "pandas"; portanto, para acessar a função dos pandas, apenas colocamos "PD" em vez de forma completa "pandas". Inserimos alguns dados nas listas de dicionários. O "Inventory_list" é criado aqui e colocamos "Sku", que aparece como o nome do cabeçalho da coluna. Nesta coluna, adicionamos "SR7546" O próximo nome ou chave do cabeçalho da coluna é "Descrição" aqui. Em seguida, colocamos "Item 1", depois vem o próximo cabeçalho ou chave da coluna, que é "Bin#", e adicionar "S234" nele, a última coluna que temos é "localização", e adicionamos o endereço nele que é “ABC Plaza Street 1”.

Agora, adicionamos mais dados a essas colunas colocando o nome de cada cabeçalho ou chave da coluna e depois inserindo dados nele. Inserimos "TW1234" em "SKU", "Item 2" em "Descrição", "S456" em "Bin#" e "CDE Plaza Street 2" na coluna "Localização". Em seguida, colocamos a coluna "SV4253, Item 3, S67 e Xys Plaza Street 2" na coluna "SKU, descrição, bin#e localização", respectivamente. No final, inserimos mais um recorde, “STM2634, Item 4, S97 e Mno Plaza Street 6”.

Aqui, o "Inventory_List" está concluído e agora convertemos este "Inventory_List" para o DataFrame. Utilizamos o “PD.Método DataFrame ”para converter as listas de ditos em dataframe. Colocamos o "Inventory_list" como o parâmetro do "PD.DataFrame () ”Método, e o armazenamos em uma variável“ Inventory_DF ”. Este inventário_df é usado para que, quando as listas de ditts se convertem no quadro de dados, esse quadro de dados seja armazenado neste "inventário_df". Agora, as listas de ditts são convertidas no quadro de dados, e estamos nos movendo para imprimir o DataFrame, que recebemos depois de aplicar este “PD.DataFrame () ”Método. Imprimos esta "inventário_df", utilizando a função "print ()" em "pandas".

Como estamos usando a ferramenta "Spyder", para a saída, apenas pressionamos "Shift+ Enter", e a saída é exibida em seu terminal. Aqui, os dados que inserimos nas listas de ditos são apresentados no quadro de dados em linhas e colunas. Os nomes do cabeçalho também são adicionados ao topo de cada coluna.

Exemplo # 02

Estamos gerando a "Student_list" aqui da mesma maneira que criamos "Inventory_list" no exemplo anterior. Primeiro importamos os "pandas como PD" e os mudamos para a "Lista de estudantes". Temos "s#", que mostra que é o nome do cabeçalho da coluna. Nisso, colocamos "G6255", o próximo nome ou chave do cabeçalho da coluna é ajustado como "nome", e também colocamos dados como "George". O "endereço" também é o nome do cabeçalho em que adicionamos "ABC246". Os próximos três nomes ou teclas de cabeçalho da coluna são "Mid_Marks, Final_Marks e Pass/Fail", os dados que adicionamos nessas colunas são "33, 47 e passam", respectivamente.

Da mesma forma, adicionamos "G6256, Peyton, Def789, 38, 57" nas cinco primeiras colunas, mas não adicionamos dados na coluna "Pass/Fail" aqui. Abaixo, inserimos dados em todas as seis colunas como “G6257, Elle, MnO456, 36, 55 e Pass”. Na quarta fila, inserimos os dados novamente em apenas cinco colunas e não mencionamos a sexta coluna. Colocamos apenas “G6258, Smith, XYZ123, 31 e 67”, que são os dados de cinco colunas “s#, nome, endereço, mid_marks e final_marks”, respectivamente. Mudamos este "Student_list" para o DataFrame colocando o "PD.DataFrame ”e nomeando o DataFrame como“ student_df ”.

Também renderizamos o "Student_df" com a ajuda de "Print ()". Veremos na saída como ela renderiza aquelas células nas quais não adicionamos nenhum dado.

O "Student_df" é renderizado neste resultado. Os valores da NAN são adicionados ao quadro de dados resultantes, pois o ditado não contém valores e colunas que correspondem. Aqui, ele exibe “nan” nas células em que não inserimos nenhum dado, e não há efeito em todo o quadro de dados se não houver valores correspondentes de chaves no quadro de dados.

Exemplo # 03

Como sabemos, ao gerar um quadro de dados a partir de uma lista de ditos, as colunas no quadro de dados resultantes contêm as chaves que aparecem no cabeçalho da coluna. As chaves que geramos neste exemplo são "std_id, student_name, padre_name, médias, finais e total". As chaves correspondentes são as colunas e seus valores são as linhas do quadro de dados quando são criadas a partir de uma lista de ditos. Também inserimos os valores que aparecem nas linhas. Criamos "stdnt_list" e inserimos dados nele como as chaves e seus valores.

Em seguida, convertemos este "stdnt_list" em um DataFrame "stdnt_dataframe". Também definimos os valores do índice para este DataFrame, que é "std_1, std_2, std_3 e std_4". Em seguida, renderize o "stdnt_dataframe", que também gera os valores do índice.

Nesse resultado, o DataFrame e os valores de índice que inserimos em nosso código aparecem.

Exemplo # 04

Estamos usando outro método para alterar a lista de ditos para o DataFrame. Utilizamos o “PD.Quadro de dados.Método From_records () ”, que converterá nossa lista de ditos para o DataFrame e renderizará o quadro de dados resultantes.

Aqui está o quadro de dados resultantes, que recebemos usando o “PD.Quadro de dados.From_records () ”Método. Este método também nos ajuda a mudar a lista de ditos para o DataFrame.

Exemplo # 05

Agora, estamos mudando de uma lista de ditos para um quadro de dados usando uma técnica diferente. Nossa lista de ditts será convertida em um DataFrame usando o “PD.Quadro de dados.Método From_Dict () ”neste exemplo, e também exibiremos o Dadosframe resultante.

Este é o quadro de dados produzido como resultado da utilização do “PD.Quadro de dados.From_dict () ”método. Este método ajuda a converter a lista de ditos em um quadro de dados.

Exemplo # 06

Aqui, estamos utilizando um método diferente e último para passar de uma lista de ditos para um DataFrame. Estamos usando o “PD.JSON_Normalize () ”Função para transformar nossa lista de ditos em um DataFrame neste código e exibir o quadro de dados resultante colocando a função“ print () ”no final.

O DataFrame é criado quando o “PD.o método json_normalize () ”é aplicado. Esta técnica também ajuda.

Conclusão

Este tutorial descreve como usar a conversão de "Lista de ditos para dataframe" em "pandas", para que você possa utilizá -lo para aprender como fazer isso. Nosso principal objetivo é fornecer a você uma explicação aprofundada, concisa e clara da “conversão da lista de ditos em dataframe”. Discutimos quatro métodos distintos, que nos ajudam a converter a lista de ditos em dataframe. Demonstramos exemplos e utilizamos todos os métodos que mencionamos neste tutorial para obter o quadro de dados da lista de Dicts.