Bina DataFrame dari Awal
Daripada dict, senarai dan tatasusunan
Bina DataFrame dari Awal ialah pelajaran Data Science Academy percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Data Science Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Mengapa Membina Sendiri
Sebelum memuatkan fail sebenar, membina DataFrame kecil secara manual membolehkan anda menguji idea dan mempelajari strukturnya tanpa sebarang persediaan. 🧪
Import pandas Dahulu
Setiap projek bermula dengan cara yang sama: import pandas menggunakan nama panggilan pd. Alias ringkas itu ialah konvensyen umum yang akan anda lihat di mana-mana.
import pandas as pdDaripada Kamus Lajur
Resipi yang paling biasa ialah dict, dengan setiap kunci menjadi nama lajur dan setiap nilai menjadi senarai data lajur tersebut.
df = pd.DataFrame({"name": ["Ada", "Lin"], "age": [36, 41]})Kunci Menjadi Pengepala
Dengan pendekatan dict, kunci kamus bertukar menjadi pengepala lajur anda secara automatik. Menamakan lajur semudah menamakan kunci.
Daripada Senarai Baris
Anda juga boleh menghantar senarai baris dan memberikan nama lajur secara berasingan. Ini berguna apabila data anda sudah tiba baris demi baris.
pd.DataFrame([["Ada", 36], ["Lin", 41]], columns=["name", "age"])Daripada Senarai Dict
Senarai dict juga boleh digunakan, dengan satu dict bagi setiap baris. Kunci yang hilang menjadi ruang kosong, yang amat berguna untuk rekod yang tidak seragam.
pd.DataFrame([{"name": "Ada"}, {"name": "Lin", "age": 41}])Daripada Tatasusunan NumPy
Anda mempunyai tatasusunan nombor NumPy? Hantarkannya terus dan tambahkan nama lajur. Ini menghubungkan pengiraan NumPy yang pantas dengan jadual berlabel.
pd.DataFrame(arr, columns=["x", "y"])Tetapkan Indeks Semasa Penciptaan
Hantar argumen index untuk melabelkan baris sebaik sahaja anda membina bingkai, bukannya bergantung pada nombor lalai 0, 1, 2.
pd.DataFrame(data, index=["r1", "r2"])Kawal Susunan Lajur
Mahukan lajur dalam susunan tertentu? Hantar senarai columns dan pandas akan menyusunnya tepat seperti yang anda senaraikan, tanpa dipengaruhi keanehan susunan dict.
pd.DataFrame(data, columns=["age", "name"])Panjang Mesti Sama
Setiap lajur yang anda berikan mesti mempunyai panjang yang sama. Saiz senarai yang tidak sepadan akan menghasilkan ralat, jadi pastikan lajur anda seimbang.
Intai Hasil Binaan Anda
Selepas membina jadual, lihat jenis data untuk mengesahkan bahawa pandas membuat inferens jenis yang munasabah seperti int untuk umur dan object untuk nama.
df.dtypesSemakan Pantas
Pilih blok binaan di sebalik resipi DataFrame yang paling biasa.
Imbas Kembali: Banyak Cara Membina
Dict, senarai, senarai dict atau tatasusunan NumPy semuanya boleh menjadi DataFrame. Pilih yang sepadan dengan bentuk data anda. 🛠️
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Soalan Lazim
Adakah pelajaran “Bina DataFrame dari Awal” percuma?
Ya — teks penuh “Bina DataFrame dari Awal” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Data Science Academy, tingkat taraf kepada CoddyKit PRO. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Bina DataFrame dari Awal”?
Daripada dict, senarai dan tatasusunan Anda berlatih Data Science Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Data Science Academy?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Data Science Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.
Berapa lamakah pelajaran “Bina DataFrame dari Awal” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Baris, Lajur dan Indeks
- Bina DataFrame dari Awal
- head, info dan describe
- Tambah, Namakan Semula dan Gugurkan Lajur