- Serie.naar_numpy()
- Series.index.to_numpy()
- np.array(Series.array)
- np.array (Series.index.array)
- np.array (Series.index.waarden)
In deze gids zullen we de praktische implementatie van elk van deze methoden onderzoeken.
Voorbeeld 1: de methode Series.To_Numpy() gebruiken
De eerste methode die we in deze handleiding zullen gebruiken om een Pandas-serie naar een NumPy-array te converteren, is de functie 'Series.to_numpy()'. Deze methode zet de waarden van de opgegeven reeks om in een NumPy-array. Laten we de werking ervan onderzoeken met de praktische uitvoering van het Python-programma.
We maken de selectie van de 'Spyder'-tool voor de compilatie van voorbeeldcodes die in deze tutorial zullen worden gegenereerd. We starten de tool en starten het script. De fundamentele vereiste voor de uitvoering van dit programma is het laden van de benodigde pakketten. Hier gebruiken we een module die bij de toolkit 'Panda's' hoort. Dus we importeren de Pandas-bibliotheek in ons programma en maken er een alias voor als 'pd'. Deze afkorting voor 'Panda's' als 'pd' wordt in het script gebruikt overal waar een methode van Panda's moet worden gebruikt.
Na het importeren van de bibliotheek, roepen we gewoon een methode uit deze bibliotheek aan die 'pd.Series()' is. Hier is de 'pd', zoals eerder geïdentificeerd, de alias voor Panda's en wordt gebruikt om het programma te vertellen dat het toegang heeft tot een methode van Panda's. Terwijl de 'Serie' het sleutelwoord is dat het proces voor het maken van series in het programma initieert. De functie 'pd.Series()' wordt aangeroepen en we specificeren er een lijst met waarden voor. De waarden die we bieden zijn '100', '200', '300', '400', '500', '600', '700', '800', '900' en '1000'. We gebruiken de parameter 'naam' om een label voor deze lijst te classificeren als 'cijfers'. Het kenmerk 'index' wordt gebruikt om de indexlijst op te geven die we willen invoegen in plaats van de standaard sequentiële indexlijst. Het slaat de waarden op die 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i' en 'j' zijn. Om de reeks op te slaan, maken we een reeksobject 'Teller'. Vervolgens helpt de functie 'print()' ons de uitvoer te zien door deze op de terminal af te drukken.
Onze nieuw gegenereerde serie met de gedefinieerde indexlijst wordt tentoongesteld in het uitvoervenster.
Om deze reeks te veranderen in een NumPy-array, gebruiken we de methode 'Series.to_numpy()'. De naam van de serie “Teller” wordt vermeld met de functie “.to_numpy()”. Deze functie neemt dus de waarden van de reeks 'Counter' en transformeert ze in een NumPy-array. Om de resulterende NumPy-array die met deze functie is gegenereerd, vast te houden, wordt een variabele 'output_array' gegenereerd. Daarna wordt het tentoongesteld met behulp van de 'print()'-methode.
De gerenderde afbeelding toont een array.
Laten we het type verifiëren met behulp van de functie 'type()'. We voeren de naam van de variabele in en slaan de NumPy-array op tussen de accolades van de functie 'type()'. Vervolgens geven we deze functie door aan de methode 'print()' om het type weer te geven.
Hier wordt de uitvoer NumPy-array geverifieerd, aangezien de volgende afbeelding de klasse laat zien als 'numpy.ndarray'.
Voorbeeld 2: de methode Series.Index.To_Numpy() gebruiken
Afgezien van het converteren van de waarden van de reeks naar een NumPy-array, kunnen we de index ook converteren naar een NumPy-array. Deze instantie helpt ons de transformatie van de index van een reeks naar een NumPy-array te leren met behulp van de methode 'Series.index.to_numpy()'.
Voor deze demonstratie gebruiken we de serie die we in de vorige illustratie hebben gemaakt.
De gegenereerde uitvoer van deze geknipte code wordt gegeven in de volgende afbeelding:
Om nu de indexlijst van de serie naar een NumPy-array te converteren, gebruiken we de methode 'Series.index.to_numpy()'.
De functie 'Series.index.to_numpy()' wordt ingeschakeld. De naam van de reeks wordt geleverd als 'Teller' met de methode '.index.to_numpy()'. Deze methode haalt de index uit de reeks 'Counter' en converteert deze naar een NumPy-array. Om nu de geconverteerde NumPy-array op te slaan, initialiseren we een 'opslag' -variabele en wijzen deze toe aan de NumPy-array. Ten slotte, om het bereikte resultaat te zien, roepen we de functie 'print()' aan.
De indexlijst van de serie is nu geconverteerd naar een NumPy-array en aanwezig op de Python-console.
Voor de verificatie van het arraytype gebruiken we de methode 'type()' en geven we de variabele 'storage' door. De functie 'afdrukken' wordt gebruikt om de categorie te zien.
Dit levert ons het klassetype op in de volgende momentopname:
Voorbeeld 3: De methode Np.array() gebruiken met de eigenschap Series.array
Een andere methode om een reeks naar een NumPy-array te converteren, is de NumPy-methode 'np.array()'. We gebruiken deze methode in dit geval met de eigenschap 'Series.array'.
We importeren eerst de Pandas- en NumPy-bibliotheken. De 'np' is een alias voor NumPy en 'pd' als de alias van Panda's. We importeren de NumPy-bibliotheek omdat de methode 'np.array()' bij deze bibliotheek hoort.
De methode 'pd.Series()' wordt aangeroepen om een Pandas-serie te maken. De waarden die we specificeren voor de serie zijn 'Apple', 'Banaan', 'Oranje', 'Mango', 'Perzik', 'Aardbei' en 'Druiven'. De 'naam' gedefinieerd voor deze lijst met waarden is 'Fruits' en de parameter 'index' bevat de waarden voor de index als 'F1', 'F2', 'F3', 'F4', 'F5', 'F6' , “F7”. Deze indexlijst wordt weergegeven in plaats van de standaard sequentiële lijst. De serie wordt opgeslagen in het serieobject “Bucket” en zichtbaar gemaakt met de functie “print()”.
De volgende snapshot toont de opgebouwde reeks:
Nu converteren we deze reeks naar de vereiste NumPy-array. De methode “np.array()” wordt aangeroepen. Binnen de haakjes wordt de eigenschap 'Series.array' doorgegeven. Dit wijzigt de reekswaarden in een NumPy-array. Om de uitkomst te behouden, hebben we een variabele 'Waarde'. Ten slotte geeft 'print()' de NumPy-array weer.
De NumPy-array die is gegenereerd op basis van de waarden van de reeks wordt hier weergegeven.
We gebruiken de methode 'type()' om te bevestigen dat het type array NumPy is.
De verificatie is gelukt.
Voorbeeld 4: De methode Np.Array() gebruiken met de eigenschap Series.Index.Array
Met behulp van de reeks uit het vorige voorbeeld, converteren we nu de index van de reeks naar een NumPy-array met behulp van de 'np.array()'-methode met de eigenschap 'Series.index.array'.
De methode 'np.array()' wordt aangeroepen en de eigenschap 'Series.index.array' wordt eraan doorgegeven met de reeksnaam 'Bucket'. De variabele 'Nump' is hier om het resultaat vast te houden. En de functie 'print()' illustreert het op het scherm.
De indexlijst wordt omgezet in een NumPy-array.
Voorbeeld 5: De Np.Array()-methode gebruiken met de eigenschap Series.Index.Values
De laatste methode die we gebruiken is de methode 'np.array()' met de eigenschap 'Series.index.values'.
De methode 'np.Series()' wordt aangeroepen met de eigenschap 'Series.index.values'. De NumPy-array die met deze methode wordt gegenereerd, wordt in de variabele 'x' geplaatst en op de terminal weergegeven.
Het resultaat wordt weergegeven in het volgende:
Conclusie
In dit artikel hebben we vijf technieken besproken om een Pandas-serie te wijzigen in een NumPy-array. De eerste twee illustraties zijn uitgevoerd met behulp van de 'Series.to_numpy'-methode in Panda's. Met deze functie hebben we eerst de waarden van de reeks en vervolgens de indexlijst geconverteerd naar de NumPy-array. De volgende drie voorbeelden gebruikten de methode 'np.array()' uit de toolkit van NumPy. We hebben drie eigenschappen aan deze functie doorgegeven om de waarden van de reeks en indexlijst naar de NumPy-array te converteren.