Puntos clave: Crear un DataFrame Pandas a partir de un diccionario están sencillo, utilizando métodos como el constructor DataFrame y from_dict(). Estos enfoques permiten a los usuarios Crea DataFrames con nombres de columnas especificados y diferentes orientaciones.
- Dos métodos para la creación de DataFrame a partir de diccionarios son detallados.
- La compatibilidad con las versiones adecuadas de Python y Pandas está crucial.
Aquí está otro ejemplo de lo útil y potente que es Pandas. Pandas puede Crear dataframes a partir de muchos tipos de estructuras de datos, sin que tú tengas que escribir mucho código extenso. Una de esas estructuras de datos están un diccionario. En este tutorial, te mostramos dos enfoques para hacerlo.
Una palabra sobre las versiones de Pandas
Antes de te Comienza, actualiza Python al menos a la 3.7. Con Python 3.4, la versión más alta de Pandas disponible están 0.22, que en todos los casos no permite especificar nombres de columnas al crear un diccionario. Si te son ejecutando virtualenv, Crea un nuevo entorno Python y instala Pandas así:
virtualenv py37 --python=python3.7
pip install pandas
te puedes consultar la versión de Pandas con:
import pandas as pd
pd.__version__
Crea dataframe con el constructor de DataFrame de Pandas
Aquí construimos un dataframe de Pandas a partir de un diccionario. utiliza el constructor Pandas, ya que puede manejar diferentes tipos de estructuras de datos. El diccionario de abajo tiene dos claves, escena y fachada. Cada valor tiene un array de cuatro elementos, por lo que encaja de forma natural en lo que te puedes imaginar como una tabla con 2 columnas y 4 filas. Pandas están diseñado para trabajar con datos de filas y columnas. Cada fila tiene un índice de filas. Por defecto, están los números 0, 1, 2, 3, ... Pero también permite te utiliza nombres. Así que, vamos a utilizar lo mismo en el array idx.
import pandas as pd
dict = {'scene': ["foul", "murder", "drunken", "intrigue"],
'facade': ["fair", "beaten", "fat", "elf"]}
idx = ['hamlet', 'lear', 'falstaff','puck']
dp = pd.DataFrame(dict,index=idx)
Aquí está el dataframe resultante:
Crea dataframe con método Pandas from_dict()
Pandas también tiene un método Pandas.DataFrame.from_dict(). Si eso suena repetitivo, dado que el constructor normal trabaja con diccionarios, te puede Ve a partir del ejemplo siguiente que el método from_dict() soporta parámetros únicos de los diccionarios. En el código, las claves del diccionario son columnas. Las filas indexan son números. Esa están orientación por defecto, que están orient='columns', es decir, tomar las claves del diccionario como columnas y poner los valores en filas.
pd.DataFrame.from_dict(dict)
Ahora lo volteamos de lado. Vamos a Haz las filas como claves del diccionario.
pd.DataFrame.from_dict(dict,orient='index')
Fíjate que las columnas no tienen nombres, solo números. Eso no es muy útil, así que a continuación utilizamos el parámetro columns, que se introdujo en Pandas 0.23.
Es tan sencillo como poner los nombres de las columnas en un array y pasarlo como el parámetro de columnas. Uno se pregunta por qué las versiones anteriores de Pandas no tenían eso.
pd.DataFrame.from_dict(dict,orient='index',columns=idx)
hamlet lear falstaff puck
scene foul murder drunken intrigue
facade fair beaten fat elf
Lecturas relacionadas
- Blog de Aprendizaje Automático y Big Data de BMC
- Pandas: Cómo leer archivos CSV y JSON
- Apache Spark Guide, una serie de tutoriales
- Guía de copos de nieve
- Creación de una función definida por el usuario (UDF) con Redshift en Python
Guía de Pandas
- Introducción y tutoriales de Pandas para principiantes
- Pandas: Cómo leer archivos CSV y JSON
- Cómo Crea un Dataframe Pandas a partir de un diccionario
- Cómo agrupar, concatenar y fusionar datos en Pandas
- Tipos de datos de Pandas
- Manejo de datos faltantes en Pandas: Explicación de los valores de NaN
- Introducción de NumPy con ejemplos
- Uso de StringIO para leer archivos de texto delimitados en NumPy
- Usando la función estadística NumPy Bincount
- Funciones y distribuciones estadísticas principales de NumPy
Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.