Hoe u toegang krijgt tot voorbeeldgegevenssets in pandas

Vaak wil je misschien toegang krijgen tot voorbeelddatasets in panda’s om verschillende functies te spelen en te oefenen.

Gelukkig kunt u voorbeeldpanda-gegevenssets maken met behulp van de ingebouwde testfunctie .

De volgende voorbeelden laten zien hoe u deze functie kunt gebruiken.

Voorbeeld 1: Maak een Pandas-gegevensset met alle numerieke kolommen

De volgende code laat zien hoe u een panda-gegevensset maakt met alle numerieke kolommen:

 import pandas as pd

#create sample dataset
df1 = pd. util . testing . makeDataFrame ()

#view dimensions of dataset
print ( df1.shape )

(30, 4)

#view first five rows of dataset
print ( df1.head ())

                   ABCD
s8tpz0W5mF -0.751223 0.956338 -0.441847 0.695612
CXQ9YhLhk8 -0.210881 -0.231347 -0.227672 -0.616171
KAbcor6sQK 0.727880 0.128638 -0.989993 1.094069
IH3bptMpdb -1.599723 1.570162 -0.221688 2.194936
gar9ZxBTrH 0.025171 -0.446555 0.169873 -1.583553

Standaard maakt de functie makeDataFrame() een pandas DataFrame met 30 rijen en 4 kolommen waarin alle kolommen numeriek zijn.

Voorbeeld 2: Maak een Pandas-gegevensset met gemengde kolommen

De volgende code laat zien hoe u een panda-gegevensset maakt met alle numerieke kolommen:

 import pandas as pd

#create sample dataset
df2 = pd. util . testing . makeMixedDataFrame ()

#view dimensions of dataset
print ( df2.shape )

(5, 4)

#view first five rows of dataset
print ( df2.head ())

     ABCD
0 0.0 0.0 foo1 2009-01-01
1 1.0 1.0 foo2 2009-01-02
2 2.0 0.0 foo3 2009-01-05
3 3.0 1.0 foo4 2009-01-06
4 4.0 0.0 foo5 2009-01-07

Standaard maakt de functie makeMixedDataFrame() een pandas DataFrame met 5 rijen en 4 kolommen waarin de kolommen verschillende gegevenstypen zijn.

We kunnen de volgende code gebruiken om het gegevenstype van elke kolom weer te geven:

 #display data type of each column
df2. dtypes

A float64
B float64
C object
D datetime64[ns]
dtype:object

Uit het resultaat kunnen we zien:

• Kolom A is numeriek
• Kolom B is numeriek
• Kolom C is een tekenreeks
• Kolom D is een datum

Voorbeeld 3: Maak een Pandas-gegevensset met ontbrekende waarden

De volgende code laat zien hoe u een panda-gegevensset maakt met ontbrekende waarden in verschillende kolommen:

 import pandas as pd

#create sample dataset
df3 = pd. util . testing . makeMissingDataFrame ()

#view dimensions of dataset
print ( df3.shape )

(30, 4)

#view first five rows of dataset
print ( df3.head ())

                   ABCD
YgAQaNaGfG 0.444376 -2.264920 1.117377 -0.087507
JoT4KxJeHd 1.913939 1.287006 -0.331315 -0.392949
tyrA2P6wz3 NaN 2.988521 0.399583 0.095831
1qvPc9DU1t 0.028716 1.311452 -0.237756 -0.150362
3aAXYtXjIO -1.069339 0.332067 0.204074 NaN

Standaard creëert de functie makeMissingDataFrame() een pandas DataFrame met 30 rijen en 4 kolommen waarin er ontbrekende waarden (NaN) zijn in verschillende kolommen.

Deze functie is vooral handig omdat u hiermee kunt werken met een gegevensset waarin waarden ontbreken, wat gebruikelijk is in gegevenssets uit de echte wereld.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:

Hoe u een Pandas DataFrame maakt met willekeurige gegevens
Hoe willekeurig rijen in Panda’s te bemonsteren
Rijen in een Pandas DataFrame in willekeurige volgorde afspelen