Pandas 3d dataframe을 만드는 방법(예제 포함)
xarray 모듈을 사용하여 3D Pandas DataFrame을 빠르게 생성할 수 있습니다.
이 튜토리얼에서는 xarray 모듈 기능을 사용하여 다음 pandas 3D DataFrame을 생성하는 방법을 설명합니다.
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
예: Pandas 3D DataFrame 생성
다음 코드는 xarray 및 NumPy 함수를 사용하여 3D 데이터세트를 생성하는 방법을 보여줍니다.
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
참고 : NumPy randn() 함수는 표준 정규 분포 의 예제 값을 반환합니다.
그런 다음 to_dataframe() 함수를 사용하여 이 데이터 세트를 pandas DataFrame으로 변환할 수 있습니다.
#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
그 결과는 서로 다른 2년, 연간 4개 분기 동안 세 가지 제품의 판매량에 대한 정보가 포함된 3D pandas DataFrame입니다.
type() 함수를 사용하여 이 개체가 실제로 pandas DataFrame인지 확인할 수 있습니다.
#display type of df_3d
type (df_3d)
pandas.core.frame.DataFrame
개체는 실제로 pandas DataFrame입니다.
추가 리소스
다음 튜토리얼에서는 Pandas에서 다른 일반적인 기능을 수행하는 방법을 설명합니다.
Pandas: 열에서 고유한 값을 찾는 방법
Pandas: 두 줄의 차이점을 찾는 방법
Pandas: DataFrame에서 누락된 값을 계산하는 방법