Pandas DataFrame Head

O Python é uma excelente linguagem para a realização de análises de dados, em grande parte devido à incrível comunidade de pacotes Python focados nos dados. Uma dessas ferramentas, pandas, simplifica bastante o processo de importação e análise de dados. Em "Pandas", temos quadros de dados e podemos acessar as linhas superiores do quadro de dados simplesmente utilizando o método "Head ()". As linhas “n” superiores de um quadro de dados ou séries são retornadas pelo método Head () em pandas. Por padrão, o valor deste "n" é 5. Se utilizarmos apenas "Head ()" sem mencionar nenhum "n" como parâmetro, ele retornará as cinco primeiras linhas do DataFrame. Se colocarmos algum número como parâmetro, ele retornará linhas de acordo com o número fornecido, que é passado como o parâmetro da função "Head ()". As poucas entradas iniciais do objeto de chamadas são devolvidas em uma forma condensada. Aprenderemos em profundidade sobre a função "Head ()" em "Pandas" neste guia.

Sintaxe:

# Quadro de dados.cabeça (n)

Por padrão, o valor deste n é 5 e também podemos alterar o valor de n de acordo com a nossa escolha.

Exemplo # 01:

Vamos iniciar algumas demonstrações práticas da função "head ()" em nosso código "pandas" para limpar esse conceito para você. Sempre que fazemos código de pandas, devemos importar a função "pandas". Então, aqui estamos importando isso para a ferramenta "Spyder" e depois temos uma lista aleatória chamada "Sales_list". Esta “Sales_list” carrega quatro colunas, e cada coluna contém algumas informações.

A primeira coluna que criamos aqui é a coluna "Nome", na qual os dados que inserimos são "Joseph, Emma, ​​Edward, Thomas, Ryan, Jessica, Tyler, Samuel e Olivia". A primeira coluna consiste em nove nomes diferentes. Depois vem o segundo com o nome "Região" em que colocamos "Leste, Norte, Oeste, Leste, Norte, Sul, Leste, Oeste e Sul". A coluna à frente é a coluna “Vendas” e também contém preços de venda, que são “30000, 50000, 55000, 40000, 60000, 35000, 30000, 50000 e 40000”. Aqui as três colunas estão concluídas e a última coluna que temos é a coluna "Despesas". Nesta coluna "Despesas", adicionamos "10000, 23000, 10000, 12000, 25000, 35000, 14000, 16000 e 22000". Concluímos esta "Sales_list" aqui e agora estamos convertendo esse "Sales_list" no DataFrame usando o método Pandas DataFarame. Chamamos -o de "Sales_DF" e exibimos esteframe de dados "sales_df".

Agora, temos que acessar as linhas superiores deste quadro de dados; portanto, para isso, utilizamos o método "Head ()" aqui. Este método acessará as cinco primeiras linhas do DataFrame como o valor padrão deste método "Head ()" é cinco. Colocamos esse método dentro do "Print ()" para que as cinco primeiras linhas do DataFrame também imprimam no terminal.

Ao atingir o ícone de corrida, o resultado deste código é renderizado no terminal. Aqui, o primeiro DataFrame contém nove linhas e, em seguida, aplicamos o método "Head ()" a esse quadro de dados, que retorna as cinco primeiras linhas desse DataFrame.

Exemplo # 02:

Estamos iniciando outro exemplo aqui, importando os "pandas como PD" e gerando as colunas "item_list", que contém colunas "madeira, vidro e aço", e os dados que colocamos nessas colunas são "cama, mesa, cadeira, portas, Janela e gabinete "na coluna" Wood ". O "espelho, canto, tabela_glass, moldura, espelho de janela e decoração de vidro" estão na coluna "vidro", e a última coluna "aço" contém "utensílios, rack, bacia, torneira, chuveiro e escada de aço".

Este "item_list" agora está alterado no quadro de dados "itens_df". O “PD.DataFrame ”ajuda a converter a lista no DataFrame. Então este "item_df" é renderizado abaixo. Depois disso, acessamos as três primeiras linhas do DataFrame, colocando a função "Head ()". Passamos "3" como o parâmetro da função "Head ()", para que ele acesse as três primeiras linhas do "item_df". As três primeiras linhas do "item_df" também aparecerão no terminal porque colocamos o método "Head ()" dentro da instrução "print ()".

Depois de exibir o "item_df", ele acessa as três primeiras linhas deste "item_df" e as mostra aqui no terminal também.

Exemplo # 03:

Ao importar "pandas como PD" e criar as colunas "Property_list" com Code_No, "Saler_Name e Buyer_Name", estamos começando um novo exemplo aqui. Os dados que entramos nessas colunas incluem “A1211, A1213, A1214, A1215, A1216, A1217, A1218 e A1219” na primeira coluna. A segunda coluna contém o “Smith, Noah, Joseph, Mishi, William, Taylor, Samuel, Robert e Rick”, enquanto a última coluna “Steel” tem o “Peter, George, James, Samuel, Olivia, Aliados, Leo, Peter e Bills ”. O DataFrame "Property_DF" substituiu este "Property_list" neste momento porque utilizamos o "PD.DataFrame ”aqui.

A lista é transformada em um quadro de dados com a ajuda de “PD.Quadro de dados". O "Property_DF" é exibido abaixo. Depois disso, a função "Head ()" é usada para recuperar as cinco principais linhas do DataFrame. A função "Head ()" acessará as cinco primeiras linhas do "Property_DF" porque o fornecemos com o valor "5". Inserimos o método "Head ()" dentro da linha "print ()"; As cinco principais linhas do "Property_DF" também serão exibidas no console.

Aqui, ele busca as cinco primeiras linhas deste "Property_DF" e exibe essas linhas aqui no console também, depois de mostrar todo o "Property_DF.”

Exemplo # 04:

Colocaremos o valor negativo dentro da função "Head ()" neste exemplo. Utilizamos o "Property_DF" que criamos no terceiro exemplo, e desta vez colocamos o valor negativo como o parâmetro da função "Head ()" para saber o que essa função "Head ()" faz quando colocamos um negativo valor nele. Colocamos "-2" como o parâmetro deste método "Head ()". Também colocamos este método Head () novamente na declaração de impressão para que o resultado também seja exibido no console.

Observe que, nesta saída, ele recupera e exibe todas as linhas, exceto as duas últimas linhas do DataFrame. Isso ocorre porque usamos o valor "-2" como o parâmetro da função "Head ()", remove as duas últimas linhas e exibimos todas as linhas restantes no console aqui.

Exemplo # 05:

Também podemos aplicar este método ao arquivo CSV. Neste exemplo, discutiremos como recuperar as linhas do arquivo CSV. O arquivo CSV, que já está presente, é mostrado abaixo. Agora, recuperaremos linhas deste arquivo CSV com a ajuda do método "Head ()".

Utilizamos a função "read_csv" aqui depois de importar a função "pandas" como PD. Para importar o arquivo CSV como o DataFrame de "Pandas", utilizamos a função read_csv em pandas. Colocamos o nome do arquivo cujos dados queremos importar como um DataFrame na função "read_csv". O nome do arquivo aqui é “arquivo.CSV ”e salvamos esses dados na variável“ df ”. Agora, aplicamos o método "head ()" a este "df" e recuperar as linhas "4" deste quadro de dados colocando "4" na função "head ()". Isso receberá as quatro primeiras linhas e imprimirá essas quatro linhas no console.

Aqui, você pode observar que apenas as quatro primeiras linhas são impressas aqui na tela, que estão presentes no arquivo CSV.

Conclusão:

Este guia ensinará como você pode utilizar o método "Head ()" em "Pandas". Nosso principal objetivo é explicar de forma clara e concisa o conceito da abordagem "Head ()" em "pandas" para você. Descrevemos como podemos obter as linhas “n” iniciais de uma série de dados ou séries usando a função Pandas “Head ()”. Neste guia, fizemos cinco casos em que usamos o método "Head ()" em "Pandas" para recuperar as linhas superiores do DataFrame. Depois de ler este guia, ele permitirá que você continue para um estágio mais avançado da programação "pandas".