Z Pandas a do Pandas
DataFrame nejsou uzavřeným světem, ale umožňují snadný převod na seznamy, případně můžeme naopak převést seznam na DataFrame.
Převod DataFrame na seznam
K takovému převodu na seznam nám poslouží kombinace funkcí to_numpy a tolist. Převod totiž neprovádíme přímo, ale jako mezikrok jej převedeme na pole modulu numpy.
staty_list = staty.to_numpy().tolist()
print(staty_list[0])
['Kabul', 'Asia', 'Southern Asia', 27657145, 652230.0, 27.8]
Ve výsledných seznamech nám chybí názvy států. Potíž je v tom, že index se v Pandas nebere jako součást dat. Pokud chceme index vrátit do původního stavu a mít ho jako automaticky generovaná čísla řádků, můžeme použít metodu reset_index. S její pomocí pak už dokážeme dostat z DataFramu čistá data takto
staty_list = staty.reset_index().to_numpy().tolist()
print(staty_list[0])
['Afghanistan', 'Kabul', 'Asia', 'Southern Asia', 27657145, 652230.0, 27.8]
Vytvoření DataFrame ze seznamu
Zkusme si nyní opačný postup, převedeme si seznam seznamů (což je jiný zápis dvourozměrné tabulky) na DataFrame. Jistě si vzpomínáš na příklad se známkami z testu, kterým jsme měli na prvním workshopu.
znamky = [
['Petr', 2],
['Roman', 1],
['Jitka', 3],
['Zuzana', 5],
['Ondřej', 2],
['Julie', 2],
['Karel', 4],
['Anna', 1],
['Eva', 1]
]
Naším úkolem bylo spočítat průměrnou známku. K tomu jsme použili cyklus.
soucet = 0
for radek in znamky:
soucet = soucet + radek[1]
prumer = soucet / len(znamky)
Průměrnou známku ale můžeme spočítat i pomocí pandas. Pomocí funkce DataFrame převedeme proměnnou znamky na DataFrame. Abychom měli v DataFrame správné názvy sloupců, definujeme je jako parametr columns.
Následně vybereme data ve sloupci znamka. Protože jsme vybrali jeden sloupec, získáme sérii. Průměrnou hodnotu v sérii pak spočítáme pomocí funkce mean.
znamky = pandas.DataFrame(znamky, columns=['student', 'znamka'])
prumer = znamky["znamka"].mean()
Přehled všech funkcí, které pro sérii můžeš použít, opět najdeš v dokumentaci.
Vytvoření DataFrame ze seznamu slovníků
Pokud jsi absolvovala Úvod do programování v Pythonu 2, znáš již též slovníky. I pole složené ze slovníků můžeme převést na DataFrame.
nakupy = [
{"person": "Petr", "item": "Prací prášek", "value": 399},
{"person": "Ondra", "item": "Savo", "value": 80},
{"person": "Petr", "item": "Toaletní papír", "value": 65},
{"person": "Libor", "item": "Pivo", "value": 124},
{"person": "Petr", "item": "Pytel na odpadky", "value": 75},
{"person": "Míša", "item": "Utěrky na nádobí", "value": 130},
{"person": "Ondra", "item": "Toaletní papír", "value": 120},
{"person": "Míša", "item": "Pečící papír", "value": 30},
{"person": "Zuzka", "item": "Savo", "value": 80},
{"person": "Pavla", "item": "Máslo", "value": 50},
{"person": "Ondra", "item": "Káva", "value": 300}
]
Výhodou je, že nyní nemusíme přidávat názvy sloupců, protože ty už funkce DataFrame získá z klíčů slovníků.
nakupy = pandas.DataFrame(nakupy)
nakupy.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 11 entries, 0 to 10
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 person 11 non-null object
1 item 11 non-null object
2 value 11 non-null int64
dtypes: int64(1), object(2)
memory usage: 392.0+ bytes