logo

TechCodeview

Konverter liste til dataramme i Python

I denne tutorial vil vi se, hvordan vi kan bruge en liste og konvertere den til en dataramme i Python.

Men før vi starter med dette, lad os revidere, hvad er listen, og hvad er datarammer?

Listen er en datastruktur i python, hvor alle elementer er omgivet af firkantede parenteser.

uforanderlig liste

Eksemplet på en liste er-

 Colors=['Red', 'Blue', 'Green', 'Orange']

Datarammer er den tabelformede repræsentation af data i form af rækker og kolonner.

De kan bruges ved at importere pandaer.

Lad os nu se på de forskellige metoder til at konvertere en liste til en dataramme i Python.

  1. Ved brug af DataFrame()
  2. Brug af liste med indeks og kolonnenavne
  3. Brug af zip()
  4. Brug af multidimensionel liste
  5. Brug af multidimensionel liste med kolonne og datatype
  6. Brug af lister i ordbogen

Brug af pd.DataFrame()

I den første tilgang har vi brugt pd.DataFrame() at konvertere en liste.

Følgende program viser, hvordan det kan gøres-

 import pandas as pd #list_values having strings list_values = ['English','Hindi','Mathematics','Science','Social Science'] df = pd.DataFrame(list_values) print(df)

Produktion: 

 0 0 English 1 Hindi 2 Mathematics 3 Science 4 Social Science

Forklaring:

Det er tid til at se på forklaringen af ​​ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Efter dette har vi erklæret listen, der har strenge som værdier.
  3. Endelig har vi sendt denne liste ind DataFrame() og viste output.

Brug af liste med indeks- og kolonnenavne

I den anden metode vil vi oprette en dataramme, der har en indeksværdi og et kolonnenavn.

linux tastaturgenveje

Programmet nedenfor illustrerer det samme.

 import pandas as pd #list_values having strings list_values = ['English', 'Hindi', 'Mathematics', 'Science', 'Social Science'] df = pd.DataFrame(list_values,index = ['i', 'ii', 'iii', 'iv', 'v'], columns = ['Subjects']) print(df)

Produktion: 

 Subjects i English ii Hindi iii Mathematics iv Science v Social Science

Forklaring:

javascript opkaldsfunktion fra html

Nu er det tid til at forstå ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Efter dette har vi erklæret listen, der har strenge som værdier.
  3. Endelig har vi sendt denne liste ind DataFrame() med en liste over indeksværdier og kolonnenavnet.
  4. Når programmet udføres, viser det det ønskede output.

Brug af zip()

I denne metode har vi brugt zip().

Følgende program viser, hvordan det kan gøres-

 import pandas as pd #list_values having strings list_values = ['English', 'Hindi', 'Mathematics', 'Science', 'Social Science'] list_index = [20, 21, 22, 23, 24] df = pd.DataFrame(list(zip(list_values, list_index)), columns = ['Subjects', 'Code']) print(df)

Produktion: 

 Subjects Code 0 English 20 1 Hindi 21 2 Mathematics 22 3 Science 23 4 Social Science 24

Forklaring:

Det er tid til at se på forklaringen af ​​ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Efter dette har vi erklæret den liste, der har strenge som værdier, og en anden liste indeholder indeksværdierne.
  3. Endelig har vi bestået liste_værdier og liste_indeks i lynlås indeni DataFrame() med en liste over indeksværdier og kolonnenavnet.
  4. Når programmet udføres, viser det det ønskede output.

Brug af multidimensionel liste

I denne metode vil vi se, hvordan en multidimensionel liste kan bruges til konvertering.

Programmet nedenfor illustrerer det samme.

 import pandas as pd #list_values having strings list_values = [['English', 4101], ['Hindi', 4102], ['Science', 4103], ['Mathematics', 4104], ['Computer', 4105]] df = pd.DataFrame(list_values, columns = ['Subject Name', 'Subject Code']) print(df)

Produktion: 

 Subject Name Subject Code 0 English 4101 1 Hindi 4102 2 Science 4103 3 Mathematics 4104 4 Computer 4105

Forklaring:

Nu er det tid til at forstå ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Efter dette har vi erklæret, at listen indeholder forskellige lister, og hver liste har en streng og en heltalsværdi.
  3. Endelig har vi bestået list_values ​​i pd.DataFrame() med en liste over kolonnenavne.
  4. Når programmet udføres, viser det det ønskede output.

Brug af multidimensionel liste med kolonne og datatype

I denne tilgang vil vi se en lille variation af ovenstående program.

amisha patel

Følgende program viser, hvordan det kan gøres-

 import pandas as pd #list_values having strings list_values = [['Colin', 'Lassiter', 46], ['James', 'Gomez', 24], ['Sara', 'Charles', 34], ['Raven', 'Stewart', 24], ['Oliver', 'Osment', 21]] df = pd.DataFrame(list_values, columns = ['First_Name', 'Last_Name', 'Age'], dtype = float) print(df)

Produktion: 

 First_Name Last_Name Age 0 Colin Lassiter 46.0 1 James Gomez 24.0 2 Sara Charles 34.0 3 Raven Stewart 24.0 4 Oliver Osment 21.0

Forklaring:

Det er tid til at se på forklaringen af ​​ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Efter dette har vi erklæret, at listen indeholder forskellige lister, og hver liste har to strenge værdier (fornavn og efternavn) og et heltal værdi(alder).
  3. Endelig har vi bestået liste_værdier i DataFrame() med en liste over kolonnenavne og datatypen.
  4. Når programmet udføres, viser det det ønskede output.

Brug af lister i ordbogen

Til sidst vil vi i den sidste metode se, hvordan lister kan bruges med ordbøger og konvertere listen til en dataramme.

Programmet nedenfor illustrerer det samme.

10 ml er hvor meget 
 import pandas as pd #list_values having strings f_name = ['Colin', 'James', 'Sara', 'Raven', 'Oliver'] l_name = ['Lassiter', 'Gomez', 'Charles', 'Stewart', 'Osment'] age = [46, 24, 34, 24, 21] dict = {'First Name':f_name, 'Last_Name':l_name, 'Age':age} df = pd.DataFrame(dict) print(df)

Produktion: 

 First Name Last_Name Age 0 Colin Lassiter 46 1 James Gomez 24 2 Sara Charles 34 3 Raven Stewart 24 4 Oliver Osment 21

Forklaring:

Nu er det tid til at forstå ovenstående program-

  1. I det første trin har vi importeret panda-biblioteket.
  2. Herefter har vi erklæret tre lister, nemlig f_navn, l_navn og alder.
  3. I næste trin har vi brugt disse lister som værdier for ordbogens nøgler.
  4. Endelig har vi vedtaget dict DataFrame().
  5. Når programmet udføres, viser det det ønskede output.

Konklusion

I denne tutorial stødte vi på nogle interessante metoder til at konvertere en liste til en dataramme i Python.