Jak utworzyć ramkę danych 3d pandy (z przykładem)

Możesz użyć modułu xarray , aby szybko utworzyć ramkę DataFrame 3D pandy.

W tym samouczku wyjaśniono, jak utworzyć następującą ramkę danych 3D pandy przy użyciu funkcji modułu xarray:

 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

Przykład: utwórz ramkę danych 3D Pandy

Poniższy kod pokazuje, jak utworzyć zbiór danych 3D przy użyciu funkcji xarray i NumPy :

 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

Uwaga : Funkcja NumPy Randn() zwraca przykładowe wartości ze standardowego rozkładu normalnego .

Następnie możemy użyć funkcji to_dataframe() , aby przekonwertować ten zbiór danych na ramkę DataFrame pandy:

 #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

W rezultacie powstaje trójwymiarowa ramka danych pandy zawierająca informacje o liczbie sprzedaży trzech różnych produktów w dwóch różnych latach i czterech różnych kwartałach roku.

Możemy użyć funkcji type() , aby potwierdzić, że ten obiekt rzeczywiście jest ramką DataFrame pandy:

 #display type of df_3d
type (df_3d)

pandas.core.frame.DataFrame

Obiekt jest rzeczywiście ramką DataFrame pandy.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe funkcje w pandach:

Pandy: Jak znaleźć unikalne wartości w kolumnie
Pandy: jak znaleźć różnicę między dwiema liniami
Pandy: Jak policzyć brakujące wartości w DataFrame