Python |熊猫数据框块
原文:https://www . geesforgeks . org/python-pandas-data frame-blocks/
Pandas DataFrame 是一个二维可变大小、潜在异构的表格数据结构，带有标记轴(行和列)。算术运算在行标签和列标签上对齐。它可以被认为是系列对象的类似字典的容器。这是熊猫的主要数据结构。
熊猫 **DataFrame.blocks**属性是as_blocks()功能的同义词。它基本上将框架转换成一个数据类型字典- >构造函数类型，每个类型都有一个同构的数据类型。
语法:数据帧块
参数:无
返回:字典
示例#1: 使用DataFrame.blocks属性返回包含不同数据类型块中数据的字典。
# importing pandas as pd
import pandas as pd
# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
'Age':[14, 25, 55, 8, 21]})
# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']
# Set the index
df.index = index_
# Print the DataFrame
print(df)
输出:
现在我们将使用DataFrame.blocks属性返回给定数据帧的块表示。
# return a dictionary
result = df.blocks
# Print the result
print(result)
输出:
正如我们在输出中看到的那样，DataFrame.blocks属性已经成功地返回了包含数据帧数据的字典。同构列是同一个块中的位置。
示例 2: 使用DataFrame.blocks属性返回包含不同数据类型块中数据的字典。
# importing pandas as pd
import pandas as pd
# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
"B":[7, 2, 54, 3, None],
"C":[20, 16, 11, 3, 8],
"D":[14, 3, None, 2, 6]})
# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']
# Set the index
df.index = index_
# Print the DataFrame
print(df)
输出:
现在我们将使用DataFrame.blocks属性返回给定数据帧的块表示。
# return a dictionary
result = df.blocks
# Print the result
print(result)
输出:
正如我们在输出中看到的那样，DataFrame.blocks属性已经成功地返回了包含数据帧数据的字典。同构列是同一个块中的位置。
版权属于：月萌API www.moonapi.com，转载请注明出处
