Функция Series.to_frame(): преобразование серии в DataFrame Pandas

Функция Pandas Series to_frame() преобразует Series в DataFrame. Серия определяется как тип списка, который может содержать строку, целое число, двойные значения и т. д.

Содержание

Как преобразовать серию в DataFrame
Синтаксис
Параметры
Возвращаемое значение
Примеры
Как преобразовать несколько серий в DataFrame
Шаг 1: определение несколько серий одну за другой
Шаг 2: преобразование нескольких серий в несколько фреймов данных
Шаг 3: объединение всех трех фреймов данных
Заключение

Как преобразовать серию в DataFrame

Чтобы преобразовать серию Pandas в DataFrame, используйте метод to_frame() для Series. Метод Series .to_frame() используется для преобразования объекта Series в DataFrame. Series — это одномерный массив с метками осей, который также определен в библиотеке Pandas.

Метки не обязательно должны быть уникальными, но должны быть типом хэшируемого. Объект поддерживает как целочисленное индексирование, так и индексирование на основе меток, а также предоставляет множество функций для выполнения операций с индексом.

Синтаксис

Series.to_frame(name=None)

1	Series.to_frame(name=None)

Параметры

Series.to_frame() имеет только один параметр, name, который заменяет имя серии (если оно есть).

Возвращаемое значение

Функция to_frame() возвращает представление серии DataFrame.

Примеры

Напишем программу, показывающую работу метода Series .to_frame() в python.

import pandas as pd

# Creating the Series
series = pd.Series([100, 200, 300, 400, 500])

# Print the series
print("Series:\n")
print(series)
# converting the series into the dataframe
dataframe = series.to_frame()
print("\nDataFrame:\n")
print(dataframe)

import pandas as pd

# Creating the Series

series = pd.Series([100, 200, 300, 400, 500])

# Print the series

print("Series:\n")

print(series)

# converting the series into the dataframe

dataframe = series.to_frame()

print("\nDataFrame:\n")

print(dataframe)

Выход:

Series:

0    100
1    200
2    300
3    400
4    500
dtype: int64

DataFrame:

     0
0  100
1  200
2  300
3  400
4  500

Series:

0 100

1 200

2 300

3 400

4 500

dtype: int64

DataFrame:

0 100

1 200

2 300

3 400

4 500

В приведенном выше примере мы видим, что мы создали серию, содержащую значения 100, 200, 300, 400 и 500. Затем с помощью функции to_frame() мы преобразовали ее в DataFrame и распечатали результат.

Напишем программу для преобразования последовательности символов в DataFrame.

import pandas as pd

series = pd.Series(["Rohit", "Mohit", "Sohit", "Karan"],
                   name="name")
dataframe = series.to_frame()
print(dataframe)

import pandas as pd

series = pd.Series(["Rohit", "Mohit", "Sohit", "Karan"],

name="name")

dataframe = series.to_frame()

print(dataframe)

Выход:

 name
0  Rohit
1  Mohit
2  Sohit
3  Karan

name

0 Rohit

1 Mohit

2 Sohit

3 Karan

Здесь мы создали серию, в которую вошли имена Rohit, Mohit, Sohit и Karan.

Затем, используя метод series.to_frame(), мы преобразовали эти имена в DataFrame и сохранили его. И, наконец, мы напечатали DataFrame.

Основное различие между Series и Data Frame заключается в том, что Series может содержать только один список с определенным индексом. Напротив, DataFrame представляет собой комбинацию нескольких серий, которые могут анализировать данные.

Давайте посмотрим на пример в Jupyter Notebook.

См. приведенный ниже код.

import pandas as pd

series = pd.Series([1, 2, 3, 4, 5, 6],
                   name="number")
df = series.to_frame()
print(df)

import pandas as pd

series = pd.Series([1, 2, 3, 4, 5, 6],

name="number")

df = series.to_frame()

print(df)

Вы можете видеть, что мы преобразовали серию Pandas в DataFrame, и вы можете видеть, что это число является именем столбца DataFrame.

Как преобразовать несколько серий в DataFrame

Чтобы преобразовать несколько серий в DataFrame, необходимо:

Определить несколько серий одну за другой.
Преобразовать серию в DataFrame, используя функцию to_frame().
Объединить разные фреймы данных в один, используя функцию Pandas concat().

Давайте разберем каждый из этих шагов подробно.

Шаг 1: определение несколько серий одну за другой

Чтобы определить серию в Python, используйте метод pd.Series() и передайте список Python.

// app.py

import pandas as pd

first_name = ['Millie','Finn','Sadie','Gaten','Noah']
series_first_name = pd.Series(first_name)
print(series_first_name)

last_name = ['Brown','Wolfhard','Sink','Matarazzo','Schnapp']
series_last_name = pd.Series(last_name)
print(series_last_name)

age = [15, 17, 16, 17, 15]
series_age = pd.Series(age)
print(series_age)

// app.py

import pandas as pd

first_name = ['Millie','Finn','Sadie','Gaten','Noah']

series_first_name = pd.Series(first_name)

print(series_first_name)

last_name = ['Brown','Wolfhard','Sink','Matarazzo','Schnapp']

series_last_name = pd.Series(last_name)

print(series_last_name)

age = [15, 17, 16, 17, 15]

series_age = pd.Series(age)

print(series_age)

Выход:

0    Millie
1      Finn
2     Sadie
3     Gaten
4      Noah
dtype: object
0        Brown
1     Wolfhard
2         Sink
3    Matarazzo
4      Schnapp
dtype: object
0    15
1    17
2    16
3    17
4    15
dtype: int64

0 Millie

1 Finn

2 Sadie

3 Gaten

4 Noah

dtype: object

0 Brown

1 Wolfhard

2 Sink

3 Matarazzo

4 Schnapp

dtype: object

0 15

1 17

2 16

3 17

4 15

dtype: int64

Вы можете видеть, что мы создали три объекта Series из списка Python.

Шаг 2: преобразование нескольких серий в несколько фреймов данных

Чтобы создать DataFrame из Series, используйте метод pd.DataFrame(). В нашем случае это несколько серий, поэтому мы создадим несколько фреймов данных.

// app.py

import pandas as pd

first_name = ['Millie', 'Finn', 'Sadie', 'Gaten', 'Noah']
series_first_name = pd.Series(first_name)
df_first_name = pd.DataFrame(series_first_name, columns=['First Name'])
print(df_first_name)

last_name = ['Brown', 'Wolfhard', 'Sink', 'Matarazzo', 'Schnapp']
series_last_name = pd.Series(last_name)
df_last_name = pd.DataFrame(series_last_name, columns=['Last Name'])
print(df_last_name)

age = [15, 17, 16, 17, 15]
series_age = pd.Series(age)
df_age = pd.DataFrame(series_age, columns=['Age'])
print(df_age)

// app.py

import pandas as pd

first_name = ['Millie', 'Finn', 'Sadie', 'Gaten', 'Noah']

series_first_name = pd.Series(first_name)

df_first_name = pd.DataFrame(series_first_name, columns=['First Name'])

print(df_first_name)

last_name = ['Brown', 'Wolfhard', 'Sink', 'Matarazzo', 'Schnapp']

series_last_name = pd.Series(last_name)

df_last_name = pd.DataFrame(series_last_name, columns=['Last Name'])

print(df_last_name)

age = [15, 17, 16, 17, 15]

series_age = pd.Series(age)

df_age = pd.DataFrame(series_age, columns=['Age'])

print(df_age)

Выход:

First Name
0     Millie
1       Finn
2      Sadie
3      Gaten
4       Noah
   Last Name
0      Brown
1   Wolfhard
2       Sink
3  Matarazzo
4    Schnapp
   Age
0   15
1   17
2   16
3   17
4   15

First Name

0 Millie

1 Finn

2 Sadie

3 Gaten

4 Noah

Last Name

0 Brown

1 Wolfhard

2 Sink

3 Matarazzo

4 Schnapp

Age

0 15

1 17

2 16

3 17

4 15

Вы можете видеть, что все три серии теперь являются кадрами данных с именем столбца.

Теперь нам нужно объединить эти DataFrame, чтобы создать один фрейм данных, который может быть полезен для дальнейшего анализа.

Шаг 3: объединение всех трех фреймов данных

Чтобы объединить Pandas DataFrames, используйте метод Pandas concat(). Метод concat() используется для объединения объектов pandas вдоль определенной оси с дополнительной логикой набора, которая может быть объединением или пересечением по другим осям.

Просто добавьте одну строку метода concat() и все.

df = pd.concat([df_first_name, df_last_name, df_age], axis=1)

1	df = pd.concat([df_first_name, df_last_name, df_age], axis=1)

Вы можете видеть, что мы передали список DataFrames методу concat. Теперь, если вы напечатаете df, он напечатает полный DataFrame, созданный из нескольких объектов серии.

// app.py

import pandas as pd

first_name = ['Millie', 'Finn', 'Sadie', 'Gaten', 'Noah']
series_first_name = pd.Series(first_name)
df_first_name = pd.DataFrame(series_first_name, columns=['First Name'])

last_name = ['Brown', 'Wolfhard', 'Sink', 'Matarazzo', 'Schnapp']
series_last_name = pd.Series(last_name)
df_last_name = pd.DataFrame(series_last_name, columns=['Last Name'])

age = [15, 17, 16, 17, 15]
series_age = pd.Series(age)
df_age = pd.DataFrame(series_age, columns=['Age'])

df = pd.concat([df_first_name, df_last_name, df_age], axis=1)
print(df)

// app.py

import pandas as pd

first_name = ['Millie', 'Finn', 'Sadie', 'Gaten', 'Noah']

series_first_name = pd.Series(first_name)

df_first_name = pd.DataFrame(series_first_name, columns=['First Name'])

last_name = ['Brown', 'Wolfhard', 'Sink', 'Matarazzo', 'Schnapp']

series_last_name = pd.Series(last_name)

df_last_name = pd.DataFrame(series_last_name, columns=['Last Name'])

age = [15, 17, 16, 17, 15]

series_age = pd.Series(age)

df_age = pd.DataFrame(series_age, columns=['Age'])

df = pd.concat([df_first_name, df_last_name, df_age], axis=1)

print(df)

Выход:

First Name  Last Name  Age
0     Millie      Brown   15
1       Finn   Wolfhard   17
2      Sadie       Sink   16
3      Gaten  Matarazzo   17
4       Noah    Schnapp   15

First Name Last Name Age

0 Millie Brown 15

1 Finn Wolfhard 17

2 Sadie Sink 16

3 Gaten Matarazzo 17

4 Noah Schnapp 15

Вот и все. Мы успешно создали один фрейм данных из нескольких серий.

Заключение

Pandas DataFrame — одна из самых популярных структур данных в науке о данных. Преобразование из одного типа в другой является обычной операцией в науке о данных, но часто используемой. И Series, и DataFrame полезны при анализе данных, и их преобразование из одного в другое представляет собой отдельную задачу. Используя метод to_frame(), мы увидели, как мы можем конвертировать серию в DataFrame.