Как получить имена столбцов в Pandas?

taFrame.columns — это атрибут, который возвра Программирование и разработка

В этом руководстве обсуждаются 10 различных способов возврата имен столбцов из DataFrame Pandas. Синтаксис и пояснения подробно обсуждаются при реализации кода в примерах. Во-первых, нам нужно создать DataFrame Pandas с несколькими столбцами и использовать его для всех примеров.

DataFrame

Во всем этом руководстве мы будем использовать следующий DataFrame с именем Detail_cases с пятью столбцами и тремя записями. Столбцы: «Case_Related», «Source», «Priority», «Total_Cases» и «Resolved».

import pandas

# Create DataFrame with 4 columns that holds 3 records
detail_cases = pandas.DataFrame({‘Case_Related’[‘Computer’,‘Mechanical’,‘Electrical’],
‘Source’[‘Phone’,‘Email’,‘Web’],
‘Priority’:[‘Low’,‘Medium’,‘Medium’],
‘Total_cases’:[100,200,250],
‘Resolved’:[‘Yes’,‘Yes’,‘No’]})

print(detail_cases)

Выход:

taFrame.columns — это атрибут, который возвра

Пример 1: Использование Pandas.DataFrame.Columns

Pandas.DataFrame.columns — это атрибут, который возвращает метки столбцов указанного DataFrame. Он возвращает объект индекса, содержащий список столбцов. Тип данных — объект.

print(detail_cases.columns)

Выход:

В первом примере все метки столбцов возвращаются в инд

 

Пример 2: Использование цикла For

В первом примере все метки столбцов возвращаются в индексном объекте. Если вы хотите, чтобы все метки столбцов возвращались отдельно, выполните итерацию атрибута pandas.DataFrame.columns, используя цикл «for». Теперь все метки столбцов возвращаются один за другим.

for iterator in detail_cases.columns:
print(iterator)

Выход:

 

В первом примере все метки столбцов возвраща

Пример 3: Использование Pandas.DataFrame.Keys

pandas.DataFrame.keys — это индекс столбцов DataFrame. Используйте эту функцию, чтобы получить все метки. Он возвращает объект индекса, содержащий список столбцов, похожих на атрибут pandas.DataFrame.columns.

print(detail_cases.keys())

Выход:

ользуйте эту функцию, чтобы получить все ме

Пример 4: Использование Pandas.DataFrame.To_Numpy

Функция pandas.DataFrame.to_numpy используется для преобразования DataFrame Pandas в массив NumPy. Это возвращает метки столбцов в списке, когда он применяется к DataFrame.

print(detail_cases.columns.to_numpy())

Выход:

umpy используется для преобразования DataFrame Pandas в мас

Пример 5: Использование функции Sorted()

Функция sorted() возвращает отсортированный список указанного итерируемого объекта. Здесь он возвращает список меток столбцов.

print(sorted(detail_cases))

Выход:

нкция sorted() возвращает отсортированный список указ

Пример 6: Использование списка

В Python конструктор list() используется для создания списка из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет список, содержащий эти столбцы. Другой способ — распаковать метки столбцов из списка [] с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в виде списка.

print(list(detail_cases))
print([*detail_cases])

Выход:

В Python конструктор list() используется для создания списк

Пример 7: Использование кортежа

В Python конструктор tuple() используется для создания кортежа из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет кортеж, содержащий эти столбцы. Другой способ — распаковать метки столбцов из кортежа () с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в кортеже.

print(tuple(detail_cases))
print((*detail_cases,))

 

Пример 8: Использование набора

В Python конструктор set() используется для создания набора из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет набор, содержащий эти столбцы. Другой способ — распаковать метки столбцов из набора {} с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в наборе.

print(set(detail_cases))
print({*detail_cases})

Пример 9: Использование Pandas.DataFrame.Info

pandas.DataFrame.info() используется для получения сводной информации DataFrame. Он возвращает все метки столбцов соответствующего типа вместе с количеством отсутствующих элементов. Кроме того, он возвращает память, потребляемую DataFrame, в байтах. Итак, мы можем использовать это для получения имен столбцов.

print(detail_cases.info())

Пример 10: Использование понимания списка

Понимание списка похоже на цикл «for», где нам нужно перебрать DataFrame, а результат итератора — в метках столбцов.

print([iterator for iterator in detail_cases])

Заключение

Вы можете реализовать приведенные 10 примеров в своей среде Python так, чтобы возвращались все метки столбцов Pandas DataFrame. В основном мы используем атрибут pandas.DataFrame.columns напрямую и в цикле for. Для каждого примера предоставляются объяснение и выходные данные. Создание DataFrame выполнено в начале этого руководства. Обязательно запустите этот пример, прежде чем реализовывать все эти 10 примеров.

Читайте также:  Алгоритмы 101: как использовать сортировку слиянием и быструю сортировку в JavaScript
Оцените статью
bestprogrammer.ru
Добавить комментарий