Gelegentlich möchten Sie möglicherweise einen Pandas-DataFrame aus einem NumPy-Array erstellen. Glücklicherweise ist dies mit der folgenden Syntax einfach zu bewerkstelligen:

# NumPy-Array erstellen
data = np.array([[1, 7, 6, 5, 6], [4, 4, 4, 3, 1]])

# NumPy-Array in Pandas DataFrame konvertieren
df = pd.DataFrame(data=data)

Dieses Tutorial enthält ein Beispiel für das Erstellen eines Pandas DataFrame aus einem NumPy-Array in der Praxis.

Erstellen Sie Pandas DataFrame aus einem NumPy-Array

Angenommen, wir haben das folgende NumPy-Array:

import numpy as np

# NumPy-Array erstellen
data = np.array([[1, 7, 6, 5, 6], [4, 4, 4, 3, 1]])

# Klasse des NumPy Arrays ausgeben
print(type(data))

<class 'numpy.ndarray'>

Wir können die folgende Syntax verwenden, um einen Pandas DataFrame aus dem Array zu erstellen:

import pandas as pd

# NumPy-Array in Pandas DataFrame konvertieren
df = pd.DataFrame(data=data)

#print DataFrame
print(df)

   0  1  2  3  4
0  1  7  6  5  6
1  4  4  4  3  1

# Klasse des DataFrames ausgeben
print(type(df)) 

<class 'pandas.core.frame.DataFrame'>

Geben Sie die Zeilen- und Spaltennamen manuell an

Wir können Zeilennamen für den Pandas Dataframe festlegen, indem Sie den Index Argument und Spaltennamen mit dem Spalten Argumente:

#konvertieren Sie das NumPy-Array in Pandas DataFrame und geben Sie Zeilen und Spalten an
df = pd.DataFrame(data=data, index=["r1", "r2"], columns=["A", "B", "C", "D", "E"])

# Geben Sie das DataFrame aus
print(df)

    A  B  C  D  E
r1  1  7  6  5  6
r2  4  4  4  3  1

Geben Sie automatisch Zeilen- und Spaltennamen an

Wenn das NumPy-Array ziemlich groß ist, ist es möglicherweise nicht sinnvoll, jeden Zeilen- und Spaltennamen manuell anzugeben. In diesem Fall könnten wir eine einfache for-Schleife verwenden, um Zeilen- und Spaltennamen anzugeben

Der folgende Code zeigt, wie das geht:

# NumPy Array mit 100 Werten erstellen
data = np.arange(0,100,1).reshape(20,5)

# NumPy Array ausgeben
print(data)

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]
 [25 26 27 28 29]
 [30 31 32 33 34]
 [35 36 37 38 39]
 [40 41 42 43 44]
 [45 46 47 48 49]
 [50 51 52 53 54]
 [55 56 57 58 59]
 [60 61 62 63 64]
 [65 66 67 68 69]
 [70 71 72 73 74]
 [75 76 77 78 79]
 [80 81 82 83 84]
 [85 86 87 88 89]
 [90 91 92 93 94]
 [95 96 97 98 99]]

# konvertieren Sie in pandas DataFrame und geben Sie automatisch Zeilen- und Spaltennamen an
df=pd.DataFrame(data=data[0:,0:],
                index=[i for i in range(data.shape[0])],
                columns=['col'+str(i) for i in range(data.shape[1])])

# DataFrame ausgeben
print(df)

    col0  col1  col2  col3  col4
0      0     1     2     3     4
1      5     6     7     8     9
2     10    11    12    13    14
3     15    16    17    18    19
4     20    21    22    23    24
5     25    26    27    28    29
6     30    31    32    33    34
7     35    36    37    38    39
8     40    41    42    43    44
9     45    46    47    48    49
10    50    51    52    53    54
11    55    56    57    58    59
12    60    61    62    63    64
13    65    66    67    68    69
14    70    71    72    73    74
15    75    76    77    78    79
16    80    81    82    83    84
17    85    86    87    88    89
18    90    91    92    93    94
19    95    96    97    98    99

Wir können die Klasse des DataFrame zusammen mit der Form schnell bestätigen:

# Klasse des DataFrames ausgeben
print(type(df))

<class 'pandas.core.frame.DataFrame'>

# Anzahl der Zeilen und Spalten des DataFrame ausgeben
df.shape

(20, 5)
Statistik: Der Weg zur Datenanalyse

* Amazon Affiliate Link


Das könnte Sie auch interessieren: