TechCodeview

I den här handledningen kommer vi att se hur vi kan använda en lista och konvertera den till en dataram i Python.

Men innan vi börjar med detta, låt oss revidera vad som är listan och vad är dataramar?

Listan är en datastruktur i python där alla element är inneslutna inom hakparenteser.

Exemplet på en lista är-

 Colors=['Red', 'Blue', 'Green', 'Orange'] 

Dataramar är den tabellformiga representationen av data i form av rader och kolumner.

De kan användas genom att importera pandor.

Låt oss nu ta en titt på de olika metoderna för att konvertera en lista till en dataram i Python.

1. Använder sig av DataFrame()
2. Använder lista med index och kolumnnamn
3. Använder zip()
4. Använder multidimensionell lista
5. Använder flerdimensionell lista med kolumn och datatyp
6. Använda listor i ordboken

Använda pd.DataFrame()

I det första tillvägagångssättet har vi använt pd.DataFrame() för att konvertera en lista.

Följande program visar hur det kan göras-

 import pandas as pd #list_values having strings list_values = ['English','Hindi','Mathematics','Science','Social Science'] df = pd.DataFrame(list_values) print(df) 

Produktion:

 0 0 English 1 Hindi 2 Mathematics 3 Science 4 Social Science 

Förklaring:

Det är dags att ta en titt på förklaringen av ovanstående program-

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi deklarerat listan som har strängar som värden.
3. Äntligen har vi passerat denna lista DataFrame() och visade utdata.

Använda lista med index- och kolumnnamn

I den andra metoden kommer vi att skapa en dataram som har ett indexvärde och ett kolumnnamn.

Programmet nedan illustrerar detsamma.

 import pandas as pd #list_values having strings list_values = ['English', 'Hindi', 'Mathematics', 'Science', 'Social Science'] df = pd.DataFrame(list_values,index = ['i', 'ii', 'iii', 'iv', 'v'], columns = ['Subjects']) print(df) 

Produktion:

 Subjects i English ii Hindi iii Mathematics iv Science v Social Science 

Förklaring:

Nu är det dags att förstå programmet ovan-

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi deklarerat listan som har strängar som sina värden.
3. Äntligen har vi passerat denna lista DataFrame() med en lista med indexvärden och kolumnnamnet.
4. När programmet körs visar det önskad utdata.

Använder zip()

I denna metod har vi använt blixtlås().

sql slumpvis ordning

Följande program visar hur det kan göras-

 import pandas as pd #list_values having strings list_values = ['English', 'Hindi', 'Mathematics', 'Science', 'Social Science'] list_index = [20, 21, 22, 23, 24] df = pd.DataFrame(list(zip(list_values, list_index)), columns = ['Subjects', 'Code']) print(df) 

Produktion:

 Subjects Code 0 English 20 1 Hindi 21 2 Mathematics 22 3 Science 23 4 Social Science 24 

Förklaring:

Det är dags att ta en titt på förklaringen av ovanstående program-

tcp och ip-modell

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi deklarerat listan som har strängar som värden och en annan lista innehåller indexvärdena.
3. Äntligen har vi passerat list_values och list_index i dragkedja inuti DataFrame() med en lista med indexvärden och kolumnnamnet.
4. När programmet körs visar det önskad utdata.

Använder multidimensionell lista

I denna metod kommer vi att se hur en flerdimensionell lista kan användas för konvertering.

Programmet nedan illustrerar detsamma.

 import pandas as pd #list_values having strings list_values = [['English', 4101], ['Hindi', 4102], ['Science', 4103], ['Mathematics', 4104], ['Computer', 4105]] df = pd.DataFrame(list_values, columns = ['Subject Name', 'Subject Code']) print(df) 

Produktion:

 Subject Name Subject Code 0 English 4101 1 Hindi 4102 2 Science 4103 3 Mathematics 4104 4 Computer 4105 

Förklaring:

Nu är det dags att förstå programmet ovan-

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi deklarerat att listan innehåller olika listor och varje lista har en sträng och ett heltalsvärde.
3. Slutligen har vi passerat list_values ​​i pd.DataFrame() med en lista med kolumnnamn.
4. När programmet körs visar det önskad utdata.

Använda flerdimensionell lista med kolumn och datatyp

I detta tillvägagångssätt kommer vi att se en liten variation av ovanstående program.

Följande program visar hur det kan göras-

 import pandas as pd #list_values having strings list_values = [['Colin', 'Lassiter', 46], ['James', 'Gomez', 24], ['Sara', 'Charles', 34], ['Raven', 'Stewart', 24], ['Oliver', 'Osment', 21]] df = pd.DataFrame(list_values, columns = ['First_Name', 'Last_Name', 'Age'], dtype = float) print(df) 

Produktion:

 First_Name Last_Name Age 0 Colin Lassiter 46.0 1 James Gomez 24.0 2 Sara Charles 34.0 3 Raven Stewart 24.0 4 Oliver Osment 21.0 

Förklaring:

Det är dags att ta en titt på förklaringen av ovanstående program-

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi förklarat att listan innehåller olika listor och varje lista har två strängar värden (förnamn och efternamn) och ett heltal värde(ålder).
3. Äntligen har vi passerat list_values i DataFrame() med en lista över kolumnnamn och datatyp.
4. När programmet körs visar det önskad utdata.

Använda listor i ordboken

Slutligen, i den sista metoden kommer vi att se hur listor kan användas med ordböcker och konvertera listan till en dataram.

Programmet nedan illustrerar detsamma.

 import pandas as pd #list_values having strings f_name = ['Colin', 'James', 'Sara', 'Raven', 'Oliver'] l_name = ['Lassiter', 'Gomez', 'Charles', 'Stewart', 'Osment'] age = [46, 24, 34, 24, 21] dict = {'First Name':f_name, 'Last_Name':l_name, 'Age':age} df = pd.DataFrame(dict) print(df) 

Produktion:

 First Name Last_Name Age 0 Colin Lassiter 46 1 James Gomez 24 2 Sara Charles 34 3 Raven Stewart 24 4 Oliver Osment 21 

Förklaring:

Nu är det dags att förstå programmet ovan-

1. I det första steget har vi importerat pandasbiblioteket.
2. Efter detta har vi deklarerat tre listor, nämligen f_namn, l_namn och ålder.
3. I nästa steg har vi använt dessa listor som värden för nycklarna i ordboken.
4. Äntligen har vi gett oss in DataFrame().
5. När programmet körs visar det önskad utdata.

Slutsats

I den här handledningen stötte vi på några intressanta metoder för att konvertera en lista till en dataram i Python.