Pandas 3d dataframe (ဥပမာနှင့်အတူ) ဖန်တီးနည်း

3D pandas DataFrame ကို လျင်မြန်စွာ ဖန်တီးရန် xarray module ကို သင် အသုံးပြုနိုင်ပါသည်။

ဤသင်ခန်းစာတွင် xarray module လုပ်ဆောင်ချက်များကို အသုံးပြု၍ အောက်ပါ pandas 3D DataFrame ဖန်တီးနည်းကို ရှင်းပြထားသည်။

 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

ဥပမာ- Pandas 3D DataFrame ဖန်တီးပါ။

အောက်ပါကုဒ်သည် xarray နှင့် NumPy လုပ်ဆောင်ချက်များကို အသုံးပြု၍ 3D ဒေတာအတွဲကို မည်သို့ဖန်တီးရမည်ကို ပြသသည်-

 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

မှတ်ချက် – NumPy randn() လုပ်ဆောင်ချက်သည် စံပုံမှန်ဖြန့်ဝေမှု မှ နမူနာတန်ဖိုးများကို ပြန်ပေးသည်။

ထို့နောက် ကျွန်ုပ်တို့သည် ဤဒေတာအတွဲကို ပန်ဒါဒေတာဘောင်အဖြစ်သို့ ပြောင်းလဲရန် to_dataframe() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။

 #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

ရလဒ်မှာ မတူညီသော နှစ်နှစ်နှင့် တစ်နှစ်လျှင် မတူညီသော လေးပုံတစ်ပုံအတွင်း မတူညီသော ထုတ်ကုန်သုံးမျိုးဖြင့် ပြုလုပ်ထားသော ရောင်းချမှုအရေအတွက်ဆိုင်ရာ အချက်အလက်ပါရှိသော 3D ပန်ဒါ DataFrame ဖြစ်သည်။

ဤအရာဝတ္တုသည် အမှန်ပင် ပန်ဒါ DataFrame ဖြစ်ကြောင်း အတည်ပြုရန် type() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

 #display type of df_3d
type (df_3d)

pandas.core.frame.DataFrame

အရာဝတ္ထုသည် အမှန်ပင် ပန်ဒါဒေဘောင်တစ်ခုဖြစ်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas- ကော်လံတစ်ခုတွင် ထူးခြားသောတန်ဖိုးများကို မည်သို့ရှာမည်နည်း။
Pandas- စာကြောင်းနှစ်ခုကြား ခြားနားချက်ကို ဘယ်လိုရှာမလဲ။
Pandas- DataFrame တွင် ပျောက်ဆုံးနေသောတန်ဖိုးများကို မည်သို့ရေတွက်မည်နည်း။