Pandas .valores
Sintaxis:
La sintaxis para obtener la representación numpy del DataFrame se da a continuación:
# Marco de datos.valoresEjemplo # 01:
Para realizar estos ejemplos, tenemos que instalar la herramienta Spyder. Después de la instalación de esta herramienta, escribimos algunos códigos que también se muestran a continuación. Primero, tenemos que importar el "panda" como "PD". Python recibe instrucciones de importar la biblioteca de procesamiento de datos de Pandas en el código existente por la sección PANDAS de importación del código. La sección de PD del código le indica a Python que asigne a Pandas la abreviatura de PD. Como resultado, puede usar funciones de pandas escribiendo solo PD. Luego, estamos creando el "frame de datos "debajo de esto. Asignamos el "PD.DataFrame "a la variable" DF ". Ponemos el nombre como el nombre de la columna y colocamos algunos nombres para esta columna.
Aquí, agregamos "John", "Henry", "Peter" y "Smith" a esta columna "Nombre". Luego viene la columna de "edad" y agregamos la edad de todos los que son "45", "25", "60" y "33". El nombre de la tercera columna es "pagar" aquí. Agregamos el pago de todos ellos como "12000", "35000", "15000" y "23500". Después de esto, utilizamos la instrucción "print ()" que imprime este marco de datos en filas y columnas. Ahora, guarde este código con el nombre de su elección y la extensión del archivo para esto aparecerá automáticamente.
Para obtener el resultado de este código, simplemente presionamos "Shift+Enter" o también podemos usar el botón Ejecutar en esta herramienta "Spyder". Cuando presionamos el botón Ejecutar desde la barra de tareas, podemos obtener la salida en el terminal de la herramienta "Spyder". Después de esto, la salida se presentará en la pantalla. En la imagen dada, puede observar que los datos se imprimen en filas y columnas. Pero queremos imprimir estos datos en la representación numpy. Entonces, para esto agregamos algunas líneas más en el código anterior que también se dan a continuación esta captura de pantalla de salida.
Para obtener la representación "Numpy", utilizamos el atributo "Valores" con el nombre de DataFrame que hemos creado anteriormente. Utilizamos una variable llamada "RSLT" y asignamos el "DF. Valores "a esta variable" RSLT "para que le dará la representación numpy del DataFrame. Para imprimir esta representación "numpy", utilizamos la declaración "print ()" aquí.
La captura de pantalla muestra que los datos se representan como el "Numpy". Obtenemos esta representación "numpy" con la ayuda del atributo de "valores" en nuestro código. No hay etiquetas del marco de datos en esta representación numpy.
Ejemplo # 02:
Ahora, estamos realizando otro ejemplo aquí para usted y nuevamente utilizamos el atributo "Valores" en este ejemplo. Comenzamos nuestro código importando el "panda" como "PD". Esto nos ayudará a utilizar la función del panda simplemente colocando "PD". Después de esto, tenemos una variable llamada "DF1" y la inicializamos con un marco de datos simplemente escribiendo "PD.Marco de datos". Estamos creando cuatro columnas diferentes para este marco de datos como "nombre", "edad", "pago" y "profesión". Ponemos algunos nombres en las columnas de "nombres" y también usamos la palabra clave "ninguno" aquí. Este "ninguno" se utiliza para definir un valor nulo. Agregamos dos nombres de "alos" y "Peter", y dos palabras clave "ninguno" en esta columna de "nombre".
Entonces, tenemos la "edad". Agregamos datos de edad como "55", "64" y "39". También usamos el "Ninguno" para esta columna de "edad". Agregamos "25000", "55000", "28000" y también una palabra clave "Ninguno" para la columna "Pagar". Entonces, viene la "profesión". Tenemos "IT Professional" y "SE Ingeniero" y los dos restantes como "Ninguno". Primero, imprimimos este "frame de datos "que aparecerá en formulario de filas y columnas y luego aplicamos el atributo" Valores "al DataFrame" DF1 "y asigna esto a" DF2 ". Lo escribimos como "DF1.valores "e inicializar" DF2 "con este. Ahora, imprimimos este "DF2" y verá que devuelve la representación numpy de este marco de datos y eliminará las etiquetas que hemos agregado en DataFrame. Guardar este código y luego podemos obtener el resultado de este código.
Presionamos "Shift+Enter" y esta salida dada se representa en la pantalla del terminal. Aquí, podemos ver fácilmente los datos en DataFrame que aparecen en filas y columnas. Las etiquetas también se mencionan y debajo de los datos se representan en la representación numpy y las etiquetas se eliminan porque hemos utilizado el atributo "Valores" con el nombre del "DataFrame". Aquí, observas que hace que "nan" por el "ninguno".
Ejemplo # 03:
Ahora, tenemos el tercer y el último ejemplo en el que utilizaremos el atributo de "valores". Nuevamente importamos los "pandas" como "PD". La razón para importar los "pandas como pd" ya se discute en los códigos anteriores. Creamos un "marco de datos" colocando "PD.Marco de datos". Asignamos este "PD.DataFrame "a una variable y el nombre de esa variable es" DF3 ". Agregamos algunos datos en el marco de datos.
Como hemos discutido, estos datos se representarán en forma de filas y columnas. Agregamos "David", "John", "550" y "900" en la primera fila del marco de datos. También agregamos "Aleros", "William", "400" y "900" en la segunda fila. En la tercera fila, agregamos "Emma", "Noah", "655" y "900". Por último, agregamos "Alexander", "Thomas", "700" y "900". Ahora, estamos utilizando la palabra clave de "valores" para obtener una representación numpy. Inicializamos la variable "resultado" y la inicializamos con el "DF3. valores". Luego, queremos imprimir esta representación numpy de DataFrame que obtenemos después de aplicar este atributo de "valores". Entonces, utilizamos la "impresión ()" y pasamos el "resultado" como el parámetro de esta función. Devolverá la representación "numpy" en el terminal de salida. Ahora, guarde este código.
La captura de pantalla que se da a continuación es la representación numpy. Obtenemos esta salida simplemente presionando "Shift+Enter" que también hemos discutido anteriormente.
Conclusión
Presentamos este artículo para explicar el concepto del atributo "valores de pandas". Hemos explicado este concepto en detalle, por lo que comprenderá fácilmente cómo utilizar el atributo de "valores". Hemos discutido que el atributo de "valores" se utiliza para obtener la representación numpy de DataFrame. En la representación numpy, se eliminan las etiquetas. Solo obtenemos los valores, no las etiquetas. Hemos explorado múltiples ejemplos en este artículo y también exploramos todas las líneas de códigos en detalle. Hemos proporcionado la salida de todos los códigos aquí, así como los códigos.