วิธีสร้าง pandas 3d dataframe (พร้อมตัวอย่าง)

คุณสามารถใช้โมดูล xarray เพื่อสร้าง DataFrame แพนด้า 3 มิติได้อย่างรวดเร็ว

บทช่วยสอนนี้จะอธิบายวิธีสร้าง DataFrame 3D ของแพนด้าต่อไปนี้โดยใช้ฟังก์ชันโมดูล 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

ตัวอย่าง: สร้าง DataFrame 3D ของ Pandas

รหัสต่อไปนี้แสดงวิธีการสร้างชุดข้อมูล 3 มิติโดยใช้ฟังก์ชัน xarray และ 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

หมายเหตุ : ฟังก์ชัน NumPy randn() ส่งคืนค่าตัวอย่างจาก การแจกแจงแบบปกติมาตรฐาน

จากนั้นเราสามารถใช้ฟังก์ชัน to_dataframe() เพื่อแปลงชุดข้อมูลนี้เป็น DataFrame ของแพนด้า:

 #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

ผลลัพธ์ที่ได้คือ DataFrame แพนด้าสามมิติที่มีข้อมูลเกี่ยวกับจำนวนยอดขายของผลิตภัณฑ์สามชนิดที่แตกต่างกันในสองปีที่แตกต่างกันและสี่ไตรมาสที่แตกต่างกันต่อปี

เราสามารถใช้ฟังก์ชัน type() เพื่อยืนยันว่าวัตถุนี้เป็น DataFrame ของแพนด้าจริง:

 #display type of df_3d
type (df_3d)

pandas.core.frame.DataFrame

วัตถุนั้นเป็น DataFrame ของแพนด้าจริงๆ

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการใช้งานฟังก์ชันทั่วไปอื่น ๆ ในแพนด้า:

Pandas: วิธีค้นหาค่าที่ไม่ซ้ำในคอลัมน์
นุ่น: วิธีค้นหาความแตกต่างระหว่างสองบรรทัด
Pandas: วิธีนับค่าที่หายไปใน DataFrame