Pandas 3d dataframe の作成方法 (例付き)

xarrayモジュールを使用すると、3D pandas DataFrame をすばやく作成できます。

このチュートリアルでは、xarray モジュール関数を使用して次の pandas 3D DataFrame を作成する方法を説明します。

 product_A product_B product_C
year quarter                                 
2021 Q1 1.624345 0.319039 50
     Q2 -0.611756 0.319039 50
     Q3 -0.528172 0.319039 50
     Q4 -1.072969 0.319039 50
2022 Q1 0.865408 -0.249370 50
     Q2 -2.301539 -0.249370 50
     Q3 1.744812 -0.249370 50
     Q4 -0.761207 -0.249370 50

例: Pandas 3D データフレームを作成する

次のコードは、 xarray 関数とNumPy関数を使用して 3D データセットを作成する方法を示しています。

 import numpy as np
import xarray as xr

#make this example reproducible
n.p. random . seeds (1)

#create 3D dataset
xarray_3d = xr. Dataset (
    { " product_A ": (("year", "quarter"), np.random.randn (2,4))},
    coordinates={
        " year ": [2021, 2022],
        " quarter ": ["Q1", "Q2", "Q3", "Q4"],
        " product_B ": ("year", np. random . randn (2)),
        " product_C ": 50,
    },
)

#view 3D dataset
print (xarray_3d)

Dimensions: (year: 2, quarter: 4)
Coordinates:
  * year (year) int32 2021 2022
  * quarter (quarter) <U2 'Q1' 'Q2' 'Q3' 'Q4'
    product_B (year) float64 0.319 -0.2494
    product_C int32 50
Data variables:
    product_A (year, quarter) float64 1.624 -0.6118 -0.5282 ... 1.745 -0.7612

注: NumPy randn()関数は、 標準正規分布からサンプル値を返します。

次に、 to_dataframe()関数を使用して、このデータセットを pandas DataFrame に変換できます。

 #convert xarray to DataFrame
df_3d = xarray_3d. to_dataframe ()

#view 3D DataFrame
print (df_3d)

              product_A product_B product_C
year quarter                                 
2021 Q1 1.624345 0.319039 50
     Q2 -0.611756 0.319039 50
     Q3 -0.528172 0.319039 50
     Q4 -1.072969 0.319039 50
2022 Q1 0.865408 -0.249370 50
     Q2 -2.301539 -0.249370 50
     Q3 1.744812 -0.249370 50
     Q4 -0.761207 -0.249370 50

結果は、2 つの異なる年と 1 年の異なる 4 つの四半期における 3 つの異なる製品の販売数に関する情報を含む 3D pandas DataFrame です。

type()関数を使用して、このオブジェクトが実際に pandas DataFrame であることを確認できます。

 #display type of df_3d
type (df_3d)

pandas.core.frame.DataFrame

このオブジェクトは確かに pandas DataFrame です。

追加リソース

次のチュートリアルでは、パンダで他の一般的な機能を実行する方法を説明します。

パンダ: 列内で一意の値を見つける方法
パンダ: 2 つの線の違いを見つける方法
パンダ: DataFrame の欠損値を数える方法