Dengan meneruskan objek tipe daftar ke argumen pertama dari setiap konstruktor l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 0 dan l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 1, l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 5 dan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6 dihasilkan berdasarkan daftar
Contoh menghasilkan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _6 dari daftar satu dimensi adalah sebagai berikut. Anda juga dapat menentukan label dengan parameter l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5
import pandas as pd l_1d = [0, 1, 2] s = pd.Series(l_1d) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 s = pd.Series(l_1d, index=['row1', 'row2', 'row3']) print(s) # row1 0 # row2 1 # row3 2 # dtype: int64 _
sumber.
Contoh pembangkitan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5 dari daftar dua dimensi (daftar daftar) adalah sebagai berikut. Anda juga dapat menentukan nama baris dengan parameter l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 dan nama kolom dengan parameterl_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 8
l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5
sumber.
Setelah menghasilkan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5 dan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6, Anda dapat mengatur dan mengubah nama baris dan kolom dengan memperbarui atribut l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 dan ________0______8
- panda. Ganti nama kolom/indeks nama (label) dari DataFrame
Untuk daftar yang berisi data dan label (nama baris/kolom)
Inilah cara menghasilkan l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _6 dari daftar pasangan label dan nilai
Pecah menjadi daftar label dan daftar nilai dan teruskan ke l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 1. Untuk detail pemrosesan menggunakan print(df_index_set.dtypes) # val1 int64 # val2 float64 # dtype: object _5 dan print(df_index_set.dtypes) # val1 int64 # val2 float64 # dtype: object 6, lihat artikel berikut
- Transpose daftar 2D dengan Python (tukar baris dan kolom)
l_1d_index = [['Alice', 0], ['Bob', 1], ['Charlie', 2]] index, value = zip(*l_1d_index) print(index) # ('Alice', 'Bob', 'Charlie') print(value) # (0, 1, 2) s_index = pd.Series(value, index=index) print(s_index) # Alice 0 # Bob 1 # Charlie 2 # dtype: int64
sumber.
Berikut cara membuat l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5 dari daftar label dan beberapa nilai
Daftar dapat diuraikan seperti pada contoh l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6 di atas, tetapi lebih mudah untuk mengatur l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 dengan metode l_2d_index_columns = [['name', 'val1', 'val2'], ['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index_columns = pd.DataFrame(l_2d_index_columns[1:], columns=l_2d_index_columns[0]) print(df_index_columns) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_columns_set = df_index_columns.set_index('name') print(df_index_columns_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 0 setelah membaca seluruh daftar
- panda. Tetapkan kolom yang ada ke indeks DataFrame dengan set_index()
l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2
sumber.
Jika tipe data l_2d_index_columns = [['name', 'val1', 'val2'], ['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index_columns = pd.DataFrame(l_2d_index_columns[1:], columns=l_2d_index_columns[0]) print(df_index_columns) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_columns_set = df_index_columns.set_index('name') print(df_index_columns_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 _1 berbeda untuk setiap kolom seperti dalam contoh ini, optimal l_2d_index_columns = [['name', 'val1', 'val2'], ['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index_columns = pd.DataFrame(l_2d_index_columns[1:], columns=l_2d_index_columns[0]) print(df_index_columns) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_columns_set = df_index_columns.set_index('name') print(df_index_columns_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 1 untuk setiap kolom dipilih secara otomatis
- panda. Cast DataFrame ke dtype tertentu dengan astype()
print(df_index_set.dtypes) # val1 int64 # val2 float64 # dtype: object
sumber.
Jika daftar asli juga berisi nama kolom, tentukan baris pertama sebagai l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 8 dan baris kedua dan selanjutnya sebagai argumen pertama
l_2d_index_columns = [['name', 'val1', 'val2'], ['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index_columns = pd.DataFrame(l_2d_index_columns[1:], columns=l_2d_index_columns[0]) print(df_index_columns) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_columns_set = df_index_columns.set_index('name') print(df_index_columns_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2
sumber.
Ubah l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5, l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6 menjadi l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7
Mengkonversi data ke l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _7
Karena tidak ada metode untuk mengonversi l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5, l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6 langsung ke l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7, pertama-tama dapatkan array NumPy s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 1 dengan atribut s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 2, lalu gunakan metode s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 3 untuk mengonversi ke l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7
- Mengkonversi panda. DataFrame, Seri dan numpy. ndarray satu sama lain
- Mengkonversi numpy. ndarray dan daftar satu sama lain
s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2]
sumber.
df = pd.DataFrame([[0, 1, 2], [3, 4, 5]]) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 l_2d = df.values.tolist() print(l_2d) # [[0, 1, 2], [3, 4, 5]]
sumber.
Atribut s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] _2 tidak menyertakan label (nama baris/kolom)
s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2]
sumber.
df_index = pd.DataFrame([[0, 1, 2], [3, 4, 5]], index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df_index) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 l_2d = df_index.values.tolist() print(l_2d) # [[0, 1, 2], [3, 4, 5]]
sumber.
Konversikan data dan label (nama baris/kolom) ke l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7
Jika Anda ingin menyimpan label sebagai data daftar, setel ulang l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 dengan metode s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 8
l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 0
sumber.
Karena tidak ada metode untuk mengatur ulang l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 _8, jika Anda ingin menyimpan nama baris dan nama kolom l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 5 sebagai data daftar, setelah menerapkan metode s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 8, ubah urutannya dengan df = pd.DataFrame([[0, 1, 2], [3, 4, 5]]) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 l_2d = df.values.tolist() print(l_2d) # [[0, 1, 2], [3, 4, 5]] 2, terapkan metode s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 8 lagi, lalu pulihkan dengan df = pd.DataFrame([[0, 1, 2], [3, 4, 5]]) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 l_2d = df.values.tolist() print(l_2d) # [[0, 1, 2], [3, 4, 5]] 2
l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 1
sumber.
Ubah label (nama baris/kolom) menjadi l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7
Jika Anda hanya ingin mengonversi label menjadi l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7, gunakan atribut l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 untuk l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 6
Atribut l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 adalah tipe s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] 0 (tipe s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] 1 dalam kasus nomor urut default) dan memiliki metode s = pd.Series([0, 1, 2]) print(s) # 0 0 # 1 1 # 2 2 # dtype: int64 l_1d = s.values.tolist() print(l_1d) # [0, 1, 2] 3
l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 2
sumber.
Demikian pula, untuk l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _5, gunakan atribut l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 5 untuk label baris dan atribut l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]] df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2']) print(df_index) # name val1 val2 # 0 Alice 0 0.0 # 1 Bob 1 0.1 # 2 Charlie 2 0.2 df_index_set = df_index.set_index('name') print(df_index_set) # val1 val2 # name # Alice 0 0.0 # Bob 1 0.1 # Charlie 2 0.2 8 untuk label kolom. Keduanya adalah tipe s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] 0
l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 _3
sumber.
Jenis s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] _0 dapat digunakan seperti pada s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] 8, dan elemen dapat diperoleh dengan menentukan posisi dengan s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3']) print(s_index) # row1 0 # row2 1 # row3 2 # dtype: int64 l_1d = s_index.values.tolist() print(l_1d) # [0, 1, 2] 9. Dalam banyak kasus, tidak perlu mengubahnya menjadi l_2d = [[0, 1, 2], [3, 4, 5]] df = pd.DataFrame(l_2d) print(df) # 0 1 2 # 0 0 1 2 # 1 3 4 5 df = pd.DataFrame(l_2d, index=['row1', 'row2'], columns=['col1', 'col2', 'col3']) print(df) # col1 col2 col3 # row1 0 1 2 # row2 3 4 5 7