- Series.to_numpy()
- Series.index.to_numpy()
- np.array(ซีรี่ส์.อาร์เรย์)
- np.array(ซีรี่ส์.index.array)
- np.array(Series.index.values)
เราจะสำรวจการใช้งานจริงของแต่ละวิธีในคู่มือนี้
ตัวอย่างที่ 1: การใช้ Series.To_Numpy() Method
วิธีแรกที่เราจะใช้ในคู่มือนี้เพื่อแปลงชุด Pandas เป็นอาร์เรย์ NumPy คือฟังก์ชัน “Series.to_numpy()” เมธอดนี้จะแปลงค่าของชุดข้อมูลที่จัดให้เป็นอาร์เรย์ NumPy มาสำรวจการทำงานของมันด้วยการใช้งานโปรแกรม Python ในทางปฏิบัติกัน
เราทำการเลือกเครื่องมือ “Spyder” สำหรับการรวบรวมโค้ดตัวอย่างที่จะสร้างขึ้นในบทช่วยสอนนี้ เราเปิดตัวเครื่องมือและเริ่มสคริปต์ ข้อกำหนดพื้นฐานสำหรับการดำเนินการของโปรแกรมนี้คือการโหลดแพ็คเกจที่จำเป็น ที่นี่ เราใช้โมดูลบางส่วนที่เป็นของชุดเครื่องมือ 'แพนด้า' ดังนั้นเราจึงนำเข้าห้องสมุด Pandas ลงในโปรแกรมของเราและสร้างนามแฝงสำหรับเป็น 'pd' ตัวย่อนี้สำหรับ “Pandas” เป็น “pd” ใช้ในสคริปต์ทุกที่ที่จำเป็นต้องเข้าถึงวิธีใดๆ ของ Pandas
หลังจากนำเข้าไลบรารีแล้ว เราก็เรียกใช้เมธอดจากไลบรารีนี้ซึ่งก็คือ “pd.Series()” ที่นี่ “pd” ตามที่ระบุไว้ก่อนหน้านี้เป็นนามแฝงสำหรับ Pandas และใช้เพื่อบอกโปรแกรมว่าเข้าถึงวิธีการจาก Pandas ในขณะที่ “ซีรีส์” เป็นคีย์เวิร์ดที่เริ่มต้นกระบวนการสร้างซีรีส์ในโปรแกรม เรียกใช้ฟังก์ชัน “pd.Series()” และเราระบุรายการค่าสำหรับฟังก์ชันดังกล่าว ค่าที่เราระบุ ได้แก่ “100”, “200”, “300”, “400”, “500”, “600”, “700”, “800”, “900” และ “1000” เราใช้พารามิเตอร์ 'ชื่อ' เพื่อจัดประเภทป้ายกำกับสำหรับรายการนี้เป็น 'ตัวเลข' แอตทริบิวต์ 'ดัชนี' ใช้เพื่อระบุรายการดัชนีที่เราต้องการแทรกแทนรายการดัชนีตามลำดับเริ่มต้น มันเก็บค่าที่เป็น 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i' และ 'j' ในการจัดเก็บชุดข้อมูล เราสร้างชุดวัตถุ 'ตัวนับ' จากนั้นฟังก์ชัน “print()” จะช่วยให้เราเห็นผลลัพธ์โดยการพิมพ์บนเทอร์มินัล
ซีรีส์ที่สร้างขึ้นใหม่ของเราพร้อมรายการดัชนีที่กำหนดจะแสดงในหน้าต่างผลลัพธ์
ในการเปลี่ยนชุดข้อมูลนี้เป็นอาร์เรย์ NumPy เราใช้วิธี 'Series.to_numpy()' ชื่อของซีรีส์ “Counter” ถูกกล่าวถึงด้วยฟังก์ชัน “.to_numpy()” ดังนั้น ฟังก์ชันนี้จึงนำค่าของชุดข้อมูล 'ตัวนับ' และแปลงเป็นอาร์เรย์ NumPy ในการเก็บอาร์เรย์ NumPy ที่เป็นผลลัพธ์ที่สร้างจากฟังก์ชันนี้ จะมีการสร้างตัวแปร 'output_array' จากนั้นนำไปจัดแสดงโดยใช้วิธีการ “print()”
ภาพที่แสดงผลจะแสดงอาร์เรย์
มาตรวจสอบประเภทของมันโดยใช้ฟังก์ชัน “type()” เราป้อนชื่อของตัวแปร โดยจัดเก็บอาร์เรย์ NumPy ระหว่างวงเล็บปีกกาของฟังก์ชัน 'type()' จากนั้นเราส่งฟังก์ชันนี้ไปยังวิธี “print()” เพื่อแสดงประเภท
ที่นี่ เอาต์พุต NumPy array ได้รับการตรวจสอบเนื่องจากรูปภาพต่อไปนี้แสดงคลาสเป็น “numpy.ndarray”
ตัวอย่างที่ 2: การใช้เมธอด Series.Index.To_Numpy()
นอกจากการแปลงค่าของชุดข้อมูลเป็นอาร์เรย์ NumPy แล้ว เรายังสามารถแปลงดัชนีเป็นอาร์เรย์ NumPy ได้อีกด้วย อินสแตนซ์นี้ช่วยให้เราเรียนรู้การเปลี่ยนแปลงของดัชนีของชุดข้อมูลเป็นอาร์เรย์ NumPy โดยใช้วิธี 'Series.index.to_numpy()'
สำหรับการสาธิตนี้ เราใช้ซีรีส์ที่เราสร้างในภาพประกอบที่แล้ว
เอาต์พุตที่สร้างขึ้นของโค้ดนี้ snipped แสดงไว้ในภาพประกอบต่อไปนี้:
ในการแปลงรายการดัชนีของซีรีส์เป็นอาร์เรย์ NumPy เราใช้เมธอด “Series.index.to_numpy()”
เรียกใช้ฟังก์ชัน “Series.index.to_numpy()” ชื่อของซีรีส์ถูกระบุเป็น “ตัวนับ” ด้วยเมธอด “.index.to_numpy()” วิธีนี้ใช้ดัชนีจากชุด 'ตัวนับ' และแปลงเป็นอาร์เรย์ NumPy ในการจัดเก็บอาร์เรย์ NumPy ที่แปลงแล้ว เราเริ่มต้นตัวแปร 'ที่เก็บข้อมูล' และกำหนดให้กับอาร์เรย์ NumPy สุดท้าย เพื่อดูผลลัพธ์ที่ได้ เราเรียกใช้ฟังก์ชัน 'print()'
รายการดัชนีของซีรีส์ถูกแปลงเป็นอาร์เรย์ NumPy และแสดงบนคอนโซล Python
สำหรับการตรวจสอบประเภทอาร์เรย์ เราใช้เมธอด 'type()' และส่งตัวแปร 'storage' ไปให้ ใช้ฟังก์ชัน 'พิมพ์' เพื่อดูหมวดหมู่
ซึ่งทำให้เราได้รับประเภทคลาสที่ให้ไว้ในสแน็ปช็อตต่อไปนี้:
ตัวอย่างที่ 3: การใช้วิธี Np.array() กับคุณสมบัติ Series.array
อีกวิธีในการแปลงชุดข้อมูลเป็นอาร์เรย์ NumPy คือวิธีการของ NumPy 'np.array()' เราใช้วิธีนี้กับคุณสมบัติ “Series.array” ในตัวอย่างนี้
ก่อนอื่นเรานำเข้าไลบรารี Pandas และ NumPy “np” ถูกสร้างเป็นนามแฝงสำหรับ NumPy และ “pd” เป็นนามแฝงของ Pandas เรานำเข้าไลบรารี NumPy เนื่องจากวิธีการ 'np.array()' เป็นของไลบรารีนี้
เรียกใช้เมธอด “pd.Series()” เพื่อสร้างซีรีส์ Pandas ค่าที่เราระบุสำหรับซีรีส์คือ 'Apple', 'Banana', 'Orange', 'Mango', 'Peach', 'Strawberry' และ 'Grapes' “ชื่อ” ที่กำหนดไว้สำหรับรายการค่านี้คือ “ผลไม้” และพารามิเตอร์ “ดัชนี” มีค่าสำหรับดัชนีเป็น “F1”, “F2”, “F3”, “F4”, “F5”, “F6” , “F7” รายการดัชนีนี้จะแสดงแทนรายการตามลำดับเริ่มต้น ซีรีส์ถูกเก็บไว้ในอ็อบเจ็กต์ชุด 'Bucket' และเปิดดูโดยใช้ฟังก์ชัน 'print()'
สแนปชอตต่อไปนี้แสดงซีรีส์ที่สร้างขึ้น:
ตอนนี้ เราแปลงชุดข้อมูลนี้เป็นอาร์เรย์ NumPy ที่จำเป็น วิธีการ “np.array()” ถูกเรียก ภายในวงเล็บ คุณสมบัติ 'Series.array' จะถูกส่งผ่าน สิ่งนี้จะแก้ไขค่าชุดข้อมูลเป็นอาร์เรย์ NumPy เพื่อรักษาผลลัพธ์ เรามีตัวแปร 'ค่า' สุดท้าย “print()” จะแสดงอาร์เรย์ NumPy
อาร์เรย์ NumPy ที่สร้างจากค่าของชุดข้อมูลแสดงอยู่ที่นี่
เราใช้เมธอด “type()” เพื่อยืนยันว่าประเภทของอาร์เรย์คือ NumPy
การตรวจสอบประสบความสำเร็จ
ตัวอย่างที่ 4: การใช้วิธี Np.Array() กับคุณสมบัติ Series.Index.Array
เมื่อใช้ซีรีส์จากตัวอย่างก่อนหน้านี้ ตอนนี้เราแปลงดัชนีของซีรีส์เป็นอาร์เรย์ NumPy โดยใช้เมธอด “np.array()” ด้วยคุณสมบัติ “Series.index.array”
เมธอด “np.array()” ถูกเรียกใช้ และส่งผ่านคุณสมบัติ “Series.index.array” ด้วยชื่อซีรีส์ “Bucket” ตัวแปร 'Nump' อยู่ที่นี่เพื่อเก็บผลลัพธ์ และฟังก์ชัน “print()” จะแสดงบนหน้าจอ
รายการดัชนีถูกแปลงเป็นอาร์เรย์ NumPy
ตัวอย่างที่ 5: การใช้วิธี Np.Array() กับคุณสมบัติ Series.Index.Values
วิธีสุดท้ายที่เราใช้คือวิธี “np.array()” ที่มีคุณสมบัติ “Series.index.values”
เมธอด “np.Series()” ถูกเรียกใช้ด้วยคุณสมบัติ “Series.index.values” อาร์เรย์ NumPy ที่สร้างจากวิธีนี้จะอยู่ในตัวแปร 'x' และแสดงบนเทอร์มินัล
ผลลัพธ์จะแสดงดังต่อไปนี้:
บทสรุป
ในบทความนี้ เราได้พูดถึงห้าเทคนิคในการปรับเปลี่ยนชุด Pandas เป็นอาร์เรย์ NumPy ภาพประกอบสองภาพแรกดำเนินการโดยใช้วิธี “Series.to_numpy” ใน Pandas ขั้นแรก เราแปลงค่าของชุดข้อมูล จากนั้นจึงสร้างรายการดัชนีเป็นอาร์เรย์ NumPy ด้วยฟังก์ชันนี้ ตัวอย่างสามตัวอย่างถัดไปใช้วิธี “np.array()” จากชุดเครื่องมือของ NumPy เราส่งคุณสมบัติสามประการไปยังฟังก์ชันนี้เพื่อแปลงค่าของชุดข้อมูลและรายการดัชนีเป็นอาร์เรย์ NumPy