Автор оригинала: Pankaj Kumar.
Здравствуйте, читатели! В этой статье мы сосредоточимся на 4 Важных функциях преобразования панд в Python .
Итак, давайте начнем!
Функции преобразования 4 Панд
В ходе этой темы мы будем использовать набор данных прогнозирования количества проката велосипедов в примерах. Вы можете найти набор данных здесь .
1. Панды как функция типа()
Наиболее часто используемые функции преобразования панд, доступные в модуле Pandas , – это функция astype () .
С помощью функции astype() мы можем легко преобразовать тип данных переменных из одного типа в другой. Таким образом, взаимное преобразование между переменными данных становится легким.
Пример:
В этом примере сначала мы проверяем типы данных переменных набора данных с помощью объекта dtypes.
BIKE.dtypes
Тип данных переменных:
instant int64 dteday object season int64 yr int64 mnth int64 holiday int64 weekday int64 workingday int64 weathersit int64 temp float64 atemp float64 hum float64 windspeed float64 casual int64 registered int64 cnt int64 dtype: object
Кроме того, теперь мы попытаемся изменить тип данных переменной сезон с целого числа на категорию с помощью функции astype ().
Преобразование целого числа в категорию–
BIKE.season = BIKE.season.astype("category")
BIKE.dtypes
Выход:
instant int64 dteday object season category yr int64 mnth int64 holiday int64 weekday int64 workingday int64 weathersit int64 temp float64 atemp float64 hum float64 windspeed float64 casual int64 registered int64 cnt int64
2. Функция Pandas isna()
Когда дело доходит до анализа и предварительной обработки данных, для нас очень важно изучить данные и извлечь значимую информацию. Проверка наличия нулевых значений, по-видимому, является важным шагом перед моделированием и преобразованиями.
С помощью функции isna() мы можем легко проверить наличие нулевых значений, если таковые имеются. Это булева функция , которая возвращает TRUE, если она обнаруживает любое НУЛЕВОЕ значение в столбце или наборе данных.
Пример:
В этом примере функция isna() возвращает false, поскольку она обнаруживает нулевые отсутствующие или нулевые значения в наборе данных.
BIKE.isna()
Выход:
3. Функция Python notna()
С помощью функции Python notna() мы можем легко отделить и найти значения, которые не эквивалентны NULL или NA. То есть функция notna() возвращает TRUE, если обнаруживает наличие ненулевого значения.
Пример:
В приведенном ниже примере функция non() возвращает TRUE, поскольку она не обнаруживает никаких нулевых значений во всем наборе данных.
BIKE.notna()
Выход:
4. Функция Python dataframe.copy()
Когда дело доходит до манипулирования набором данных, для нас очень важно иметь резервную копию исходных данных в качестве запасной копии для внесения изменений. Это также помогает нам вернуться к исходной ситуации в случае, если манипуляции не сработают.
Пример:
В этом примере мы создали фрейм данных “df”, который содержит копию набора данных, представленного объектом BIKE, с помощью функции copy () .
df = BIKE.copy() print(df)
Выход:
Вывод
Таким образом, мы подошли к концу этой темы о функциях преобразования Python. Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы.
Для получения дополнительных сообщений, связанных с программированием на Python, оставайтесь с нами!
А до тех пор Счастливого Обучения! 🙂