Як створити pandas 3d dataframe (з прикладом)

Ви можете використовувати модуль xarray для швидкого створення 3D-панди DataFrame.

У цьому підручнику пояснюється, як створити наступні pandas 3D DataFrame за допомогою функцій модуля 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

Приклад: створити Pandas 3D DataFrame

У наведеному нижче коді показано, як створити тривимірний набір даних за допомогою функцій xarray і 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

Примітка . Функція NumPy randn() повертає приклади значень із стандартного нормального розподілу .

Потім ми можемо використати функцію to_dataframe() , щоб перетворити цей набір даних у pandas DataFrame:

 #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

Результатом є 3D-панда DataFrame, який містить інформацію про кількість продажів трьох різних продуктів за два різні роки та чотири різні квартали на рік.

Ми можемо використати функцію type() , щоб підтвердити, що цей об’єкт справді є pandas DataFrame:

 #display type of df_3d
type (df_3d)

pandas.core.frame.DataFrame

Об’єкт справді є pandas DataFrame.

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші типові функції в pandas:

Pandas: Як знайти унікальні значення в стовпці
Панди: як знайти різницю між двома лініями
Pandas: Як підрахувати відсутні значення в DataFrame