騰訊Python大佬總結 | DataFrame、Series、array、tensor的創建及相互轉化

2021-03-02 Python綠色通道 

↑ 關注 + 星標 ，每天學Python新技能
後臺回復【大禮包】送你Python自學大禮

最近在入門圖像識別，自然也會用到深度學習框架，也接觸到了一個新的數據結構——tensor(張量)。除此之外，也有一些很常用的數據結構，比如DataFrame、Series、array等，這篇文章主要對這幾種數據結構的創建及相互轉換做一個小總結。
創建方法DataFrame
這裡就不在單獨貼出每種數據結構的示例圖，只是簡單描述一下各個數據結構的特點。DataFrame類似於一個二維矩陣，但它的行列都有對應的索引。
DataFrame創建方法很多，這裡給出比較常用的三種方法：
1、通過字典創建
2、通過元組創建
原理與通過字典創建一致，但需要注意行、列索引需要自己指定。
3、randn隨機生成np.random.randn(m,n)是生成一個 
3、通過arange創建
array
tensor
這裡 Tensor 是類，tensor 和 as_tensor則是方法，第一種生成的是浮點型，後兩種生成數據的類型和傳入數據類型一致，也就是說傳入整型生成整型，傳入浮點型生成浮點型。
轉化DataFrame 拆解 SeriesDataFrame 轉 array1、直接獲取values2、通過numpy轉換
Series 轉 DataFrame
1、合成
2、to_frame()方法
Series 轉 array
方法同DataFrame 轉 array。

array 轉 DataFrame
array 轉 Series
array 轉 tensor
tensor 轉 array
上面這些創建及轉化的方法只是一部分，也算是比較常用的一些，除此之外比如還可以通過列表作為中間介質進行轉換等等，這裡就不在過多介紹啦。
送一份學習資料

掃碼回復「1024」後獲取大禮包

相關焦點

  • 【串講總結】array, list, tensor,Dataframe,Series之間互相轉換總結
    這些主要包括：Dataframe、Series(pandas), array(numpy), list, tensor(torch)二、定義2.1 Dataframe和Series這裡簡單介紹一下這兩個結構。
  • 將Python中的字典數據轉化為DataFrame
    = {『key1』: values, 『key2』:values, 『key3』:values, …, 『keyN』:values}df = pd.DataFrame(data)這裡是將一個Python中的字典data轉化為了Pandas中的DataFrame對象，這樣字典就作為了數據源。
  • Python-Pandas安裝--Series結構和DataFrame結構
    字典轉化為Series 如果數據被存儲到一個字典當中，能否很方便的轉化Series呢from pandas import Series,DataFrameimportA：一般會傳入等長的列表，或者利用NumPy的數組傳入 在這裡我們利用字典，等長列表的方式，創建一個DateFramefrom pandas import Series,DataFrameimport pandas as pddata={'city':['shanghai','beijing','tianjin
  • Python數據分析 | 第五章 Pandas入門之Series和DataFrame
    「由於我們沒有為數據指定索引，於是會自動創建一個0到N-1（N為數據的長度）的整數型索引。 [2000, 2001, 2002, 2001, 2002, 2003],        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}frame = pd.DataFrame(data)結果DataFrame會自動加上索引（跟Series一樣），且全部列會被有序排列：
  • 數據分析利器 pandas 系列教程(二):強大的 DataFrame
    創建 dataframe 的常見方式同 series 一樣，dataframe 也有 index，不同的是，series 除了 index，只有一列，而 dataframe 通常有很多列，比如上面的 dataframe 就有四列，而且都有名字：name、sex、course、grade，通過這些名字，可以索引到某一列，這些名字稱為列（索引），因此，在 dataframe
  • pandas入門:Series、DataFrame、Index基本操作都有了!
    創建Series對象的函數是Series，它的主要參數是data和index，其基本語法格式如下。class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)data：接收array或dict。表示接收的數據。
  • Pandas常用的兩種數據類型之「DataFrame」
    我們可以在創建DataFrame對象時，通過index與columns參數指定。•可以通過head，tail訪問前 / 後N行記錄（數據）。In [74]:# 1.使用二維數組創建# 可以在創建的同時指定index，行標籤，和columns列標籤# 也可以在創建之後，通過index和columns屬性進行二次修改。
  • Python數據分析入門日記Day6:數據分析庫Pandas:Series和Dataframe
    用pd.series函數將其轉化為一個序列s2：2、Dataframe（1）Dataframe可以用二維數組進行創建，首先，創建一個二維數組arr2。（2）將新創建的二維數組轉化為數據框。並查看數據類型，發現已經轉化成了Dataframe的形式。
  • Pandas-DataFrame基礎知識點總結
    DataFrame的創建有多種方式，不過最重要的還是根據dict進行創建，以及讀取csv或者txt文件來創建。這裡主要介紹這兩種方式。根據字典創建data = {    'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],    'year':[2000,2001,2002,2001,2002],    'pop':[1.5,1.7,3.6,2.4,2.9]}frame = pd.DataFrame(data)frame#輸出    pop state
  • python數據分析專題 (12):DataFrame
    DataFrame既有行索引也有列索引，pandas中的DataFrame類似於R中的data.frame數據框，屬於二維數據。是數據分析中最為常用的數據類型。創建DataFrame可以使用pandas包中的DataFrame()函數生成DataFrame數據結構。有多種方式，可以直接從python的字典進行轉換，也可以從ndarry生成。
  • Series(一):Series的創建方式和常用屬性說明
    大家好，我是黃同學今天給大家介紹Series的創建方式和常用屬性說明
  • TensorFlow應用實戰 | TensorFlow基礎知識
    import numpy as npvector = np.array([1,2,3])vector.shapevector.sizevector.ndimtype(vector)# 創建二維數組(矩陣)matrix = np.array([[1, 2],[3, 4]])matrix.shapematrix.sizematrix.ndim
  • Pandas系列 - DataFrame操作
    概覽pandas.DataFrame創建DataFrame列選擇列添加
  • Pandas數據結構:DataFrame
    , 18],"city": ["BeiJing", "TianJin", "ShenZhen"]}print(data)print("")frame = pd.DataFrame(data) # 創建DataFrame
  • 手把手教你用Python實現針對時間序列預測的特徵選擇
    自相關圖：講述如何創建時間序列數據的相關圖。4. 時間序列到監督學習：將時間單變量的時間序列轉化為監督性學習問題。5. 滯後變量的特徵重要性：講述如何計算和查看時間序列數據的特徵重要性得分。6. 滯後變量的特徵選擇：講述如何計算和查看時間序列數據的特徵選擇結果。1.
  • pandas:Series , Data Frame , Panel
    ., 'B':pd.Timestamp('20180901'), 'C':pd.Series(1,index=range(4),dtype='float'), 'D':np.array([3]*4,dtype='int'), 'E':pd.Categorical(['test','train','test','train']),
  • 什麼是Pandas的DataFrame?
    DataFrame既有行索引也有列索引，它可以被看做由series組成的字典（共用同一個索引）2. DateFrame特點DataFrame中面向行和面向列的操作基本是平衡的。DataFrame中的數據是以一個或多個兩維塊存放的（而不是列表、字典或別的一維數據結構）。
  • 如何從Tensorflow中創建CNN,並在GPU上運行該模型(附代碼)
    通過計算輸入區域的最大值，輸出總結周圍值的強度。池化層也有一個內核，填充和大步幅移動。要計算池操作的輸出大小，可以使用公式 （輸入寬度 - 內核寬度+ 2 * padding）/ strides + 1。
  • 5分鐘python:給PPT自動添加精美的圖形
    本 5分鐘系列將會講解如何在python中如何自動在PPT裡畫柱形圖，並將其擴展為多柱形圖。最後給每個柱形圖標上對應數值，並把圖例標誌上。--------------------- chart_data = CategoryChartData() chart_data.categories = ['East', 'West', 'Midwest'] chart_data.add_series('Series 1', (19.2, 21.4, 16.7)) # add chart to slide ------------------
  • 基於TensorFlow 、OpenCV 和 Docker 的實時視頻目標檢測
    為了防止這種情況，我使用 Docker 容器來創建我的數據科學工作區將程序部署在容器中。你可以在我的代碼庫中找到這個項目的 Dockerfile。/tensorflow/models /usr/local/lib/python3.5/dist-packages/tensorflow/modelsRUN apt-get install -y protobuf-compiler python-pil python-lxml python-tk#Set TF object detection available