Python酷库之旅-第三方库Pandas(029)

目录

一、用法精讲

74、pandas.api.interchange.from_dataframe函数

74-1、语法

74-2、参数

74-3、功能

74-4、返回值

74-5、说明

74-6、用法

74-6-1、数据准备

74-6-2、代码示例

74-6-3、结果输出

75、pandas.Series类

75-1、语法

75-2、参数

75-3、功能

75-4、返回值

75-5、说明

75-6、用法

75-6-1、数据准备

75-6-2、代码示例

75-6-3、结果输出 

76、pandas.Series.index属性

76-1、语法

76-2、参数

76-3、功能

76-4、返回值

76-5、说明

76-6、用法

76-6-1、数据准备

76-6-2、代码示例

76-6-3、结果输出

77、pandas.Series.array方法

77-1、语法

77-2、参数

77-3、功能

77-4、返回值

77-5、说明

77-6、用法

77-6-1、数据准备

77-6-2、代码示例

77-6-3、结果输出 

78、pandas.Series.values属性

78-1、语法

78-2、参数

78-3、功能

78-4、返回值

78-5、说明

78-6、用法

78-6-1、数据准备

78-6-2、代码示例

78-6-3、结果输出 

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

74、pandas.api.interchange.from_dataframe函数
74-1、语法
# 74、pandas.api.interchange.from_dataframe函数
pandas.api.interchange.from_dataframe(df, allow_copy=True)
Build a pd.DataFrame from any DataFrame supporting the interchange protocol.Parameters:
df
DataFrameXchg
Object supporting the interchange protocol, i.e. __dataframe__ method.allow_copy
bool, default: True
Whether to allow copying the memory to perform the conversion (if false then zero-copy approach is requested).Returns:
pd.DataFrame
74-2、参数

74-2-1、df(必须)：一个类似于数据框的对象，表示要转换为Pandas Data的数据，该对象可以是任何实现了数据框接口的对象，如来自其他(例如Dask、Vaex等)的DataFrame。

74-2-2、allow_copy(可选，默认值为True)：指示在转换过程中是否允许复制数据。如果设置为True，则在需要的情况下，方法可以复制数据来保证数据的一致性和完整性；如果设置为False，方法会尝试避免复制数据，这样可以提高性能和减少内存使用，但可能会导致一些限制。

74-3、功能

        用于从其他数据框架接口中导入数据框架的Pandas API方法，它将其他数据框架对象转换为Pandas DataFrame。

74-4、返回值

        返回值是一个Interchange DataFrame对象，该对象是一个通用的数据框架标准，用于在不同的数据处理库之间交换数据。

74-5、说明

        无

74-6、用法
74-6-1、数据准备
无
74-6-2、代码示例
# 74、pandas.api.interchange.from_dataframe函数
import pandas as pd
from pandas.api.interchange import from_dataframe
# 创建一个示例DataFrame
data = {'Name': ['Myelsa', 'Bryce', 'Jimmy'],'Age': [25, 30, 35],'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
# 使用from_dataframe方法转换DataFrame
interchange_df = from_dataframe(df, allow_copy=True)
# 打印转换后的Interchange DataFrame信息
print(type(interchange_df))
print(interchange_df)
74-6-3、结果输出
# 74、pandas.api.interchange.from_dataframe函数
# <class 'pandas.core.frame.DataFrame'>
#      Name  Age         City
# 0  Myelsa   25     New York
# 1   Bryce   30  Los Angeles
# 2   Jimmy   35      Chicago
75、pandas.Series类
75-1、语法
# 75、pandas.Series类
pandas.Series(data=None, index=None, dtype: 'Dtype | None' = None, name=None, copy: 'bool | None' = None, fastpath: 'bool | lib.NoDefault' = <no_default>) -> 'None'One-dimensional ndarray with axis labels (including time series).Labels need not be unique but must be a hashable type. The object
supports both integer- and label-based indexing and provides a host of
methods for performing operations involving the index. Statistical
methods from ndarray have been overridden to automatically exclude
missing data (currently represented as NaN).Operations between Series (+, -, /, \*, \*\*) align values based on their
associated index values-- they need not be the same length. The result
index will be the sorted union of the two indexes.Parameters
----------
data : array-like, Iterable, dict, or scalar valueContains data stored in Series. If data is a dict, argument order ismaintained.
index : array-like or Index (1d)Values must be hashable and have the same length as `data`.Non-unique index values are allowed. Will default toRangeIndex (0, 1, 2, ..., n) if not provided. If data is dict-likeand index is None, then the keys in the data are used as the index. If theindex is not None, the resulting Series is reindexed with the index values.
dtype : str, numpy.dtype, or ExtensionDtype, optionalData type for the output Series. If not specified, this will beinferred from `data`.See the :ref:`user guide <basics.dtypes>` for more usages.
name : Hashable, default NoneThe name to give to the Series.
copy : bool, default FalseCopy input data. Only affects Series or 1d ndarray input. See examples.Notes
-----
Please reference the :ref:`User Guide <basics.series>` for more information.
75-2、参数

75-2-1、data(可选，默认值为None)：表示Series数据，可以是列表、NumPy数组、字典或标量值(如单个数值)，如果是标量值，会将该值赋给Series的每一个元素。

75-2-2、index(可选，默认值为None)：表示索引标签，用于定义Series的索引，如果没有提供，默认会生成一个从0开始的整数索引，长度必须与data的长度相同。

75-2-3、dtype(可选，默认值为None)：表示数据类型。如果没有提供，Pandas会尝试自动推断data的数据类型。

75-2-4、name(可选，默认值为None)：表示Series的名称，可以为Series对象命名，方便在DataFrame中引用。

75-2-5、copy(可选，默认值为None)：如果设为True，则会复制data，通常在传递的是其他Pandas对象时使用，以确保数据不会被修改。

75-2-6、fastpath(可选)：内部使用参数，用于优化性能，通常用户不需要显式设置这个参数。

75-3、功能

        pandas.Series是Pandas库中最基本的数据结构之一，它类似于一维数组，可以存储任意类型的数据(整数、浮点数、字符串等)，该构造函数允许我们从多种数据类型创建一个Series对象。

75-4、返回值

        创建一个pandas.Series对象时，返回值是一个pandas Series对象，该对象具有以下特性：

75-4-1、一维数据结构：Series是一维的，可以看作是一个带有标签的数组。

75-4-2、索引：每个数据元素都有一个对应的标签(索引)，可以通过索引来访问数据。

75-4-3、数据类型：Series中的所有数据类型是一致的(如果在创建时未指定不同类型)。

75-5、说明

        无

75-6、用法
75-6-1、数据准备
无
75-6-2、代码示例
# 75、pandas.Series类
# 75-1、从列表创建Series
import pandas as pd
data = [1, 2, 3, 4, 5]
series1 = pd.Series(data)
print(series1, end='\n\n')# 75-2、从字典创建Series
import pandas as pd
data = {'a': 1, 'b': 2, 'c': 3}
series2 = pd.Series(data)
print(series2, end='\n\n')# 75-3、指定索引和数据类型
import pandas as pd
data = [1.5, 2.5, 3.5]
index = ['a', 'b', 'c']
series3 = pd.Series(data, index=index, dtype=float, name='Example Series')
print(series3, end='\n\n')# 75-4、从标量值创建Series
import pandas as pd
scalar_data = 10
series4 = pd.Series(scalar_data, index=['a', 'b', 'c'])
print(series4)
75-6-3、结果输出 
# 75、pandas.Series类
# 75-1、从列表创建Series
# 0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64# 75-2、从字典创建Series
# a    1
# b    2
# c    3
# dtype: int64# 75-3、指定索引和数据类型
# a    1.5
# b    2.5
# c    3.5
# Name: Example Series, dtype: float64# 75-4、从标量值创建Series
# a    10
# b    10
# c    10
# dtype: int64
76、pandas.Series.index属性
76-1、语法
# 76、pandas.Series.index属性
pandas.Series.index
The index (axis labels) of the Series.The index of a Series is used to label and identify each element of the underlying data. The index can be thought of as an immutable ordered set (technically a multi-set, as it may contain duplicate labels), and is used to index and align data in pandas.Returns:
Index
The index labels of the Series.
76-2、参数

        无

76-3、功能

        提供对Series中数据索引的访问。

76-4、返回值

        返回值是一个pandas.Index对象，它包含了Series中每个数据点的索引标签。

76-5、说明

        在Pandas中，Series是一个一维的、长度可变的、能够存储任何数据类型的数组(尽管在实践中，它通常用于存储相同类型的数据)，并且每个元素都有一个与之关联的索引标签。

76-6、用法
76-6-1、数据准备
无
76-6-2、代码示例
# 76、pandas.Series.index属性
import pandas as pd
# 创建一个带有自定义索引的Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
# 访问Series的index属性
index_obj = s.index
# 76-1、打印index_obj的类型
print(type(index_obj), end='\n\n')# 76-2、打印index_obj的内容
print(index_obj, end='\n\n')# 76-3、将索引转换为列表
index_list = index_obj.tolist()
print(index_list, end='\n\n')# 76-4、获取索引的NumPy数组
index_array = index_obj.values
print(index_array)
76-6-3、结果输出
# 76、pandas.Series.index属性
# 76-1、打印index_obj的类型
# <class 'pandas.core.indexes.base.Index'># 76-2、打印index_obj的内容
# Index(['a', 'b', 'c', 'd'], dtype='object')# 76-3、将索引转换为列表
# ['a', 'b', 'c', 'd']# 76-4、获取索引的NumPy数组
# ['a' 'b' 'c' 'd']
77、pandas.Series.array方法
77-1、语法
# 77、pandas.Series.array方法
pandas.Series.array
The ExtensionArray of the data backing this Series or Index.Returns:
ExtensionArray
An ExtensionArray of the values stored within. For extension types, this is the actual array. For NumPy native types, this is a thin (no copy) wrapper around numpy.ndarray..array differs from .values, which may require converting the data to a different form.
77-2、参数

        无

77-3、功能

        获取存储在Series对象中的数据的底层数组表示。

77-4、返回值

        返回值取决于Series中数据的类型：

77-4-1、对于NumPy原生类型的数据(如整数、浮点数、字符串等)，.array方法将返回一个NumpyExtensionArray对象，这是一个对内部NumPy ndarray的封装，但不进行数据的复制，这意味着返回的数组与Series中的数据共享相同的内存区域，除非进行显式的数据复制操作。
77-4-2、对于扩展类型的数据(如分类数据、时间戳、时间间隔等)，.array方法将返回实际的ExtensionArray对象，这些对象是为了支持Pandas中非NumPy原生类型的数据而设计的，这些扩展数组提供了与NumPy数组类似的接口，但具有额外的功能或属性，以适应特定类型的数据。

77-5、说明

        返回值的特点：

77-5-1、类型依赖性：返回值的具体类型取决于Series中数据的类型。

77-5-2、内存共享(对于NumPy原生类型)：在大多数情况下，返回的数组与Series中的数据共享相同的内存区域，从而避免不必要的数据复制。

77-5-3、灵活性：通过提供对底层数组的访问，.array方法允许用户进行更底层的操作或优化，尽管这通常不是Pandas推荐的常规用法。

77-6、用法
77-6-1、数据准备
无
77-6-2、代码示例
# 77、pandas.Series.array方法
import pandas as pd
# 创建一个简单的Series（包含 NumPy 原生类型的数据）
s_numpy = pd.Series([1, 2, 3, 4])
# 使用.array方法获取底层数组
arr_numpy = s_numpy.array
print(arr_numpy)
print(type(arr_numpy))
77-6-3、结果输出 
# 77、pandas.Series.array方法
# <NumpyExtensionArray>
# [1, 2, 3, 4]
# Length: 4, dtype: int64
# <class 'pandas.core.arrays.numpy_.NumpyExtensionArray'>
78、pandas.Series.values属性
78-1、语法
# 78、pandas.Series.values属性
pandas.Series.values
Return Series as ndarray or ndarray-like depending on the dtype.WarningWe recommend using Series.array or Series.to_numpy(), depending on whether you need a reference to the underlying data or a NumPy array.Returns:
numpy.ndarray or ndarray-like
78-2、参数

        无

78-3、功能

        用于获取Series中数据的NumPy表示。

78-4、返回值

        返回一个NumPy ndarray，其中包含了Series中的所有数据，但通常不包括索引信息。

78-5、说明

        使用.values属性是获取Series中数据的一种快速方式，尤其是当你需要将数据传递给需要NumPy数组作为输入的函数或库时，然而，需要注意的是，返回的NumPy数组可能与原始的Series数据共享内存(对于非对象数据类型)，这意味着如果你修改了返回的数组，原始的Series数据也可能会被修改(尽管Pandas在许多情况下都会尝试避免这种情况)。

78-6、用法
78-6-1、数据准备
无
78-6-2、代码示例
# 78、pandas.Series.values属性
import pandas as pd
# 创建一个简单的Series
s = pd.Series([1, 2, 3, 4])
# 使用.values属性获取NumPy数组
np_array = s.values
# 输出结果  
print(np_array)
print(type(np_array))
# 修改NumPy数组（注意：这可能会影响原始的Series，但Pandas通常会避免这种情况）
np_array[0] = 10
# 检查Series是否被修改（对于非对象类型，通常不会）
print(s)
# 如果你想要一个确保不会修改原始Series的副本，可以使用.copy()
np_array_copy = s.values.copy()
np_array_copy[0] = 100
print(s)
78-6-3、结果输出 
# 78、pandas.Series.values属性
# [1 2 3 4]
# <class 'numpy.ndarray'>
# 0    10
# 1     2
# 2     3
# 3     4
# dtype: int64
# 0    10
# 1     2
# 2     3
# 3     4
# dtype: int64

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/872898.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

牛客 7.13 月赛（留 C逆元 Ddp）

牛客 7.13 月赛（留 C逆元 Ddp）

B-最少剩几个&#xff1f;_牛客小白月赛98 (nowcoder.com) 思路 奇数偶数 奇数&#xff1b;奇数*偶数 奇数 所以在既有奇数又有偶数时&#xff0c;两者结合可以同时删除 先分别统计奇数&#xff0c;偶数个数 若偶个数大于奇个数&#xff0c;答案是偶个数-奇个数 若奇个数…
阅读更多...
六边形动态特效404单页HTML源码

六边形动态特效404单页HTML源码

源码介绍 动态悬浮的六边形，旁边404文字以及跳转按钮，整体看着像科技二次元画风，页面简约美观，可以做网站错误页或者丢失页面，将下面的代码放到空白的HTML里面，然后上传到服务器里面，设置好重定向即可 效果预览 完整源码 <!DOCTYPE html> <html><head…
阅读更多...
PyCharm查看文件或代码变更记录

PyCharm查看文件或代码变更记录

背景&#xff1a; Mac笔记本上有一个截图的定时任务在运行&#xff0c;本地Python使用的是PyCharm IDE&#xff0c;负责的同事休假&#xff0c;然后定时任务运行的结果不符合预期&#xff0c;一下子不知道问题出现在哪里。 定位思路&#xff1a; 1、先确认网络、账号等基本的…
阅读更多...
Qt 快速保存配置的方法

Qt 快速保存配置的方法

Qt 快速保存配置的方法 一、概述二、代码1. QFileHelper.cpp2. QSettingHelper.cpp 三、使用 一、概述 这里分享一下&#xff0c;Qt界面开发时&#xff0c;快速保存界面上一些参数配置的方法。 因为我在做实验的时候&#xff0c;界面上可能涉及到很多参数的配置&#xff0c;我…
阅读更多...
实战打靶集锦-31-monitoring

实战打靶集锦-31-monitoring

文章目录 1. 主机发现2. 端口扫描3. 服务枚举4. 服务探查4.1 ssh服务4.2 smtp服务4.3 http/https服务 5. 系统提权5.1 枚举系统信息5.2 枚举passwd文件5.3 枚举定时任务5.4 linpeas提权 6. 获取flag 靶机地址&#xff1a;https://download.vulnhub.com/monitoring/Monitoring.o…
阅读更多...
django学习入门系列之第四点《BootStrap依赖》

django学习入门系列之第四点《BootStrap依赖》

文章目录 往期回顾 BootStrap依赖于JavaScript的类库&#xff0c;JQuery下载 下载JQuery&#xff0c;在界面上应用JQuery 在页面上应用BootStrap和avaScript的类库【JQuery是avaScript的类库】 JQuery的官网&#xff1a; jQuery 如果要应用JQuery 则要在body里面导入文件…
阅读更多...
MySQL(7)内外连接+索引

MySQL(7)内外连接+索引

目录 1.内外连接; 2. 索引; 1.内外连接: 1.1内连接: 语法: select 字段 from 表名 inner join 表名 on 字段限制; 1.2 外连接: 分为左右外连接; (1)左外连接: 语法: select * from 表名 left join 表名 on 字段限制. &#x1f330;查询所有学生的成绩&#xff0c;如果这个学生…
阅读更多...
什么才是好用的大模型？

什么才是好用的大模型？

随着大模型在千行百业的逐步落地&#xff0c;中国基础大模型正直面来自用户端的诸多拷问。 近日&#xff0c;随着OpenAI宣布禁止中国用户使用其API&#xff0c;更多的国产大模型都在提供替代方案和优惠措施&#xff0c;来吸引和支持开发者进行用户迁移。 这既是一次挑战&…
阅读更多...
多多OJ评测系统 前端项目环境初始化 安装Vue脚手架 引入Arco Design组件

多多OJ评测系统 前端项目环境初始化 安装Vue脚手架 引入Arco Design组件

目录 确定环境 命令行输入 装一下脚手架 监测一下是否安装成功 创建一个项目 选择一系列的配置后 我们打开webStorm 配置脚手架后我们先运行 我们这边能获取到网址 其实我们脚手架已经帮我们做到了 接下来要引入相关的组件 选择用npm进行安装 我们建议的是完整引入…
阅读更多...
UDP客户端、服务端及简易聊天室实现 —— Java

UDP客户端、服务端及简易聊天室实现 —— Java

UDP 协议&#xff08;用户数据包协议&#xff09; UDP 是无连接通信协议&#xff0c;即在数据传输时&#xff0c;数据的发送端和接收端不建立逻辑连接&#xff0c;简单来说&#xff0c;当客户端向接收端发送数据时&#xff0c;客户端不会确认接收端是否存在&#xff0c;就会发出…
阅读更多...
windows镜像下载网站

windows镜像下载网站

一个专注于提供精校、完整、极致的Windows系统下载服务的仓储站&#xff0c;网站托管于Github。 网站&#xff1a;https://hellowindows.cn/ 下载方式&#xff1a;ED2k&#xff0c;BT&#xff0c;百度网盘 MSDN - 山己几子木&#xff0c;提供Windows 11、Windows 10等不同版本…
阅读更多...
单例模式Singleton

单例模式Singleton

设计模式 23种设计模式 Singleton 所谓类的单例设计模式&#xff0c;就是采取一定的方法保证在整个的软件系统中&#xff0c;对某个类只能存在一个对象实例&#xff0c;并且该类只提供一个取得其对象实例的方法。 饿汉式 public class BankTest {public static void main(…
阅读更多...
Qt模型/视图架构——委托（delegate）

Qt模型/视图架构——委托（delegate）

一、为什么需要委托 模型&#xff08;model&#xff09;用来数据存储&#xff0c;视图&#xff08;view&#xff09;用来展示数据。因此&#xff0c;模型/视图架构是一种将数据存储和界面展示分离的编程方法。具体如下图所示&#xff1a; 由图可知&#xff0c;模型向视图提供数…
阅读更多...
3D问界—MAYA制作铁丝栅栏（透明贴图法）

3D问界—MAYA制作铁丝栅栏（透明贴图法）

当然&#xff0c;如果想通过建立模型法来实现铁丝栅栏的效果&#xff0c;也不是不行&#xff0c;可以找一下栅栏建模教程。本篇文章主要是记录一下如何使用透明贴图来实现创建铁丝栅栏&#xff0c;主要应用于场景建模&#xff0c;比如游戏场景、建筑场景等大环境&#xff0c;不…
阅读更多...
PGCCC|【PostgreSQL】PG考证对工作上有什么好处# PG证书

PGCCC|【PostgreSQL】PG考证对工作上有什么好处# PG证书

认证 PostgreSQL 考证&#xff08;PostgreSQL Certification&#xff09;在工作上有以下几个好处&#xff1a; 增强专业能力&#xff1a;通过考证&#xff0c;可以系统地学习和掌握 PostgreSQL 数据库的知识和技能&#xff0c;提高自己的专业水平。 提升职业竞争力&#xff1…
阅读更多...
CentOS 7 初始化环境配置详细

CentOS 7 初始化环境配置详细

推荐使用xshell远程连接&#xff0c;如链接不上 请查看 CentOS 7 网络配置 修改主机名 hostname hostnamectl set-hostname xxx bash 关闭 SElinux 重启之后生效 配置yum源&#xff08;阿里&#xff09; 先备份CentOS-Base.repo&#xff0c;然后再下载 mv /etc/yum.repos…
阅读更多...
android R ext4 image打包脚本介绍

android R ext4 image打包脚本介绍

一、Android R打包指令使用介绍 &#xff08;1&#xff09;mkuserimg_mke2fs #./mkuserimg_mke2fs --help usage: mkuserimg_mke2fs [-h] [--android_sparse] [--journal_size JOURNAL_SIZE][--timestamp TIMESTAMP] [--fs_config FS_CONFIG][--product_out PRODUCT_OUT][--b…
阅读更多...
小程序图片下载保存方法，图片源文件保存！

小程序图片下载保存方法，图片源文件保存！

引言 现在很多时候我们在观看到小程序中的图片的时候&#xff0c;想保存图片的原文件格式的话&#xff0c;很多小程序是禁止保存的&#xff0c;即使是让保存的话&#xff0c;很多小程序也会限制不让保存原文件&#xff0c;只让保存一些分辨率很低的&#xff0c;非常模糊的图片…
阅读更多...
QT-RTSP相机监控视频流

QT-RTSP相机监控视频流

QT-RTSP相机监控视频流 一、演示效果二、关键程序三、下载链接 一、演示效果 二、关键程序 #include "mainwindow.h"#include <QDebug>MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent), m_settings("outSmart", "LiveWatcher&…
阅读更多...
CentOS 7 安装MySQL 5.7.30

CentOS 7 安装MySQL 5.7.30

CentOS 7 安装MySQL卸载&#xff08;离线安装&#xff09; 安装配置MySQL之前先查询是否存在&#xff0c;如存在先卸载再安装 rpm -qa|grep -i mysql rpm -qa|grep -i mariadb rpm -e --nodeps mariadb-libs-5.5.68-1.el7.x86_64如下命令找到直接 rm -rf 删除&#xff08;删除…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023