[PYTHON] Lerndatensatz (6. Tag) #Set-Typ #Dictionary-Typ #Mutuelle Konvertierung des Listen-Taple-Sets #ndarray-Typ #Pandas (DataFrame-Typ)

Inhalt des Studiums

• Typ einstellen
• Wörterbuchtyp
• Gegenseitige Konvertierung von Listen-Tapple-Sets
• ndarray Typ
• Pandas (DataFrame-Typ)

Typ einstellen

Ein Datentyp, der mehrere Daten speichern kann, ähnlich wie Listen und Tabellen. Es hat die folgenden Funktionen.

• Daten mit demselben Wert können nur einmal gespeichert werden
• Mehrere gespeicherte Daten werden nicht bestellt
• Definiert durch {}.

Beschreibungsbeispiel

a = {1,0,2,9,8,3,7,5,4,6}
print('a = ',a)

b = {2,4,4,6,5,2,1,0,8,7,9,3,6}
print('b = ', b)

Ausführungsergebnis

a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} b = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

Unabhängig von der angegebenen Reihenfolge der Daten, z. B. dem Ausführungsergebnis, werden sie sortiert und ausgegeben.

Wörterbuchtyp

Ein Datentyp, der mehrere Daten sowie Listen, Taples und Sets speichern kann. Es hat die folgenden Funktionen.

• Fügen Sie Daten in mehrere Daten mit unterschiedlichen Bezeichnungen ein.
• Definieren Sie als "{Label 1: Daten 1, Label 2: Daten 2, Label 3: Daten 3}".
• Sie können eine Liste von Beschriftungen mit keys () und eine Liste von Werten mit items () erhalten.

In Listen und Tapples wurden mehrere Daten durch den Index angegeben, im Wörterbuch jedoch durch die Bezeichnung.

Beschreibungsbeispiel

c = {'l1':12, 'l2':45, 'l3':36, 'l4':58}

print('c = ', c)
print("c['l2'] = ", c['l2'])
print("c['l4'] = ", c['l4'])
print(c.keys())
print(c.values())

Ausführungsergebnis

c = {'l1': 12, 'l2': 45, 'l3': 36, 'l4': 58} c['l2'] = 45 c['l4'] = 58 dict_keys(['l1', 'l2', 'l3', 'l4']) dict_values([12, 45, 36, 58])

Gegenseitige Konvertierung von Listen, Taples und Sets

Listen, Taples und Sets können mit den Methoden "list ()", "tuple ()" bzw. "set ()" ineinander konvertiert werden.

Beschreibungsbeispiel

# Ein Programm, das die gegenseitige Konvertierung verwendet, um doppelte Daten aus einer Liste zu entfernen
d = [0,2,6,4,2,8,0,2]

e = list(set(d))
print('e = ', e)

Ausführungsergebnis

e = [0, 2, 4, 6, 8]

ndarray Typ

Grunddatentyp, der in "Numpy" eines typischen numerischen Berechnungspakets verwendet wird.

Beschreibungsbeispiel

# Ndarray-Typ erstellen
import numpy

f = [0, 1, 2, 3]
 g = numpy.array (f) # Erstellt den ndarray-Typ aus der Liste
print('g = ', g)

h = [1, 2]
i = [2, 3]
j = [3, 4]
 k = numpy.array ([h, i, j]) # Erstellen Sie einen zweidimensionalen ndarray-Typ
print('k = ', k)

 l = numpy.array (a, dtype = numpy.float16) #Erstellen Sie ndarray durch Angabe des Datentyps
print('l = ', l)

Ausführungsergebnis

g = [0 1 2 3] k = [[1 2] [2 3] [3 4]] l = [0. 1. 2. 3.]

Darüber hinaus können mithilfe der von Numpy bereitgestellten Funktionen verschiedene numerische Operationen an Daten und Listen vom Typ ndarray ausgeführt werden. Die repräsentativen werden unten vorgestellt.

import numpy

m = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 n = numpy.median (m) # median
 o = numpy.mean (m) # Durchschnittswert
 p = numpy.std (m) # Standardabweichung
 q = numpy.var (m) # Verteilt

print(n)
print(o)
print(p)
print(q)

Ausführungsergebnis

4.5 4.5 2.8722813232690143 8.25

Pandas

Grunddatentyp

• Typ "DataFrame" (repräsentiert Tabellendaten)
• Typ "Seriez" (für Zeilen- oder Spaltendaten)

DataFrame-Typ

Erstellen Sie wie folgt.

Beschreibungsbeispiel

import pandas

r = pandas.DataFrame([1, 11.1], [2, 22.2], [3, 33.3])

Sie können Spalten- und Zeilenindizes mit column bzw. index angeben.

Beschreibungsbeispiel

r.colums = ['C1', 'C2']
r.index = ['A', 'B', 'C']

Wie beim Indextyp können Sie den Index angeben, um die Spaltendaten abzurufen.

Beschreibungsbeispiel

 s = r ['C1'] # Extrahieren Sie nur die Daten in der ersten Spalte
 t = s ['A'] # Daten in der ersten Spalte und ersten Zeile extrahieren