Como acessar conjuntos de dados de amostra no pandas

Muitas vezes você pode querer acessar conjuntos de dados de amostra em pandas para jogar e praticar diferentes funções.

Felizmente, você pode criar conjuntos de dados de amostra do pandas usando a função de teste integrada.

Os exemplos a seguir mostram como usar esse recurso.

Exemplo 1: Crie um conjunto de dados Pandas com todas as colunas numéricas

O código a seguir mostra como criar um conjunto de dados pandas com todas as colunas numéricas:

 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

Por padrão, a função makeDataFrame() cria um DataFrame do pandas com 30 linhas e 4 colunas em que todas as colunas são numéricas.

Exemplo 2: Crie um conjunto de dados Pandas com colunas mistas

O código a seguir mostra como criar um conjunto de dados pandas com todas as colunas numéricas:

 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

Por padrão, a função makeMixedDataFrame() cria um DataFrame do pandas com 5 linhas e 4 colunas nas quais as colunas são uma variedade de tipos de dados.

Podemos usar o seguinte código para exibir o tipo de dados de cada coluna :

 #display data type of each column
df2. dtypes

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

Pelo resultado podemos ver:

• A coluna A é numérica
• A coluna B é numérica
• A coluna C é uma string
• A coluna D é uma data

Exemplo 3: Crie um conjunto de dados Pandas com valores ausentes

O código a seguir mostra como criar um conjunto de dados pandas com valores ausentes em várias colunas:

 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

Por padrão, a função makeMissingDataFrame() cria um DataFrame do pandas com 30 linhas e 4 colunas nas quais existem valores faltantes (NaN) em colunas diferentes.

Esse recurso é particularmente útil porque permite trabalhar com um conjunto de dados que possui valores ausentes, o que é comum em conjuntos de dados do mundo real.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras tarefas comuns em pandas:

Como criar um DataFrame Pandas com dados aleatórios
Como amostrar linhas aleatoriamente no Pandas
Como embaralhar linhas em um DataFrame do Pandas