பாண்டாக்கள் அகராதிக்கு

Pantakkal Akaratikku



'பைத்தானில், ஒரு அகராதி எனப்படும் தரவு அமைப்பு, தகவலை முக்கிய மதிப்பு ஜோடிகளாக சேமிக்கப் பயன்படுகிறது. விசை அல்லது விசைகள் அறியப்படும்போது, ​​தரவு/மதிப்புகளைப் பிரித்தெடுக்க அகராதிப் பொருள்கள் உகந்ததாக இருக்கும். அகராதியில் நகல் விசைகள் இருக்கலாம் என்பதை நினைவில் கொள்ளவும். தொடர்புடைய குறியீட்டைப் பயன்படுத்தி மதிப்புகளைத் திறம்படக் கண்டறிய, பாண்டாஸ் தொடர் அல்லது தரவுச்சட்டத்தை தொடர்புடைய குறியீட்டுடன் 'இண்டெக்ஸ்: மதிப்பு' முக்கிய மதிப்பு ஜோடிகளுடன் அகராதி பொருளாக மாற்றலாம். இந்த பணியை அடைய, 'to_dict()' முறையைப் பயன்படுத்தலாம். இந்த செயல்பாடு பாண்டாஸ் தொகுதியின் தொடர் வகுப்பில் உள்ள உள்ளமைக்கப்பட்ட செயல்பாடாகும். ஓரியண்ட் அளவுருவின் குறிப்பிட்ட மதிப்பைப் பொறுத்து, pandas.to_dict() முறையைப் பயன்படுத்தி ஒரு டேட்டாஃப்ரேம் பைதான் பட்டியல் போன்ற தொடரின் தரவு அகராதியாக மாற்றப்படுகிறது.

பாண்டாக்களை பைதான் அகராதியாக மாற்றுவது எப்படி?

பாண்டாக்களை அகராதியாக மாற்ற பல முறைகள் உள்ளன. இருப்பினும், Pandas டேட்டாஃப்ரேமை பைதான் அகராதியாக மாற்ற, Pandas இல் to_dict() முறையைப் பயன்படுத்துவோம். திரும்பிய அகராதியின் விசை-மதிப்பு ஜோடிகளை to_dict() செயல்பாட்டைப் பயன்படுத்தி பல்வேறு வழிகளில் ஓரியண்ட் செய்யலாம். செயல்பாட்டின் தொடரியல் பின்வருமாறு:







தொடரியல்



pandas.to_dict ( கிழக்கு = 'ஆணை', உள்ளே = )



அளவுருக்கள்

திசை: நெடுவரிசைகளை (தொடர்களாக) மாற்ற வேண்டிய தரவு வகை சரம் மதிப்பால் ('டிக்ட்', 'லிஸ்ட்', 'பதிவுகள்', 'இண்டெக்ஸ்', 'சீரிஸ்', 'ஸ்பிளிட்') குறிப்பிடப்படுகிறது. எடுத்துக்காட்டாக, 'பட்டியல்' என்ற முக்கிய சொல், 'நெடுவரிசைப் பெயர்' மற்றும் 'பட்டியல்' (மாற்றப்பட்ட தொடர்) விசைகளுடன் பட்டியல் பொருள்களின் பைதான் அகராதியை வெளியீட்டாக வழங்கும்.





உள்ளே: வகுப்பு, ஒரு உதாரணமாக அல்லது உண்மையான வகுப்பாக அனுப்பப்படலாம். எடுத்துக்காட்டாக, இயல்புநிலை ஆணையின் விஷயத்தில் ஒரு வகுப்பு நிகழ்வை அனுப்பலாம். அளவுருவின் இயல்புநிலை மதிப்பு டிக்ட் ஆகும்.

திரும்பும் வகை: அகராதி தரவுச்சட்டம் அல்லது தொடரிலிருந்து மாற்றப்பட்டது.



எடுத்துக்காட்டு # 01: பாண்டாஸ் டேட்டாஃப்ரேமை அகராதியாக மாற்றுதல்

pd.DataFrame() செயல்பாட்டில் உள்ள ட்யூப்பிள் ஆஃப் லிஸ்ட்களைப் பயன்படுத்தி, சில நெடுவரிசைகள் மற்றும் வரிசைகளுடன் ஒரு அடிப்படை டேட்டாஃப்ரேமை உருவாக்குவோம், பின்னர் அதை பைதான் அகராதியாக மாற்றலாம்.


pd.DataFrame() செயல்பாட்டிற்குள் உள்ள பட்டியலை அனுப்புவதன் மூலம் எங்கள் டேட்டாஃப்ரேமை உருவாக்கியுள்ளோம். மேலே உள்ள டேட்டாஃப்ரேமில், 'நிறுவனம்', 'விற்பனை' மற்றும் 'வருவாய்' ஆகிய மூன்று நெடுவரிசைகள் உள்ளன. நிரல் நிறுவனத்தில், சீரற்ற நிறுவனங்களின் பெயர்களை (“A&B”, “Max_tech”, “XT”, “MJ”, “Quanto”, “Mini_X”, “Zomo”, “AU”, “HL” என சேமித்துள்ளோம். , “ZMX”, “Earny”), நெடுவரிசை “விற்பனை” என்பது ஒவ்வொரு நிறுவனத்தின் விற்பனையையும் (“217”, “200”, “199”, “150”, “210”, “216”, “185) குறிக்கிறது. ”, “189”, “202”, “159”, “205”), மற்றும் நெடுவரிசை “வருவாய்” ஒவ்வொரு நிறுவனத்தின் வருவாயைக் குறிக்கும் மதிப்புகளை அந்தந்த விற்பனைக்கு எதிராகச் சேமிக்கிறது(340000   320000  300000  300000 270000  315000 0 0 0 4 0 4 305000). இப்போது நமது டேட்டாஃப்ரேம் “df” ஐ பைதான் அகராதியாக மாற்றுவோம்.


df டேட்டாஃப்ரேமில் to_dict() முறையைப் பயன்படுத்துவதன் மூலம், பாண்டாஸ் டேட்டாஃப்ரேமை அகராதியாக மாற்றியுள்ளோம்.

எடுத்துக்காட்டு # 02: CSV கோப்பிலிருந்து உருவாக்கப்பட்ட பாண்டாஸ் டேட்டாஃப்ரேமை அகராதியாக மாற்றுதல்

எடுத்துக்காட்டு # 1 இல், பட்டியலில் உள்ள டூப்பிள்களைப் பயன்படுத்தி ஒரு டேட்டாஃப்ரேமை உருவாக்கினோம். இப்போது நாம் ஒரு CSV கோப்பின் உதவியுடன் ஒரு டேட்டாஃப்ரேமை உருவாக்குவோம், பின்னர் அதை to_dict() செயல்பாட்டைப் பயன்படுத்தி அகராதியாக மாற்றுவோம்.


ஒரு கோப்பை டேட்டாஃப்ரேமாக படிக்க, pd.read_csv() செயல்பாட்டைப் பயன்படுத்தினோம். மேலே உள்ள டேட்டாஃப்ரேமில், எங்களிடம் இரண்டு நெடுவரிசைகள் (பெயர் மற்றும் மதிப்பெண்கள்) மற்றும் பதினேழு வரிசைகள் (0 முதல் 16 வரை) உள்ளன. இப்போது நாம் to_dict() முறையைப் பயன்படுத்துவோம்.


செயல்பாடு எங்கள் டேட்டாஃப்ரேம் 'df' ஐ பைதான் அகராதியாக மாற்றியுள்ளது.

எடுத்துக்காட்டு # 03: பாண்டாஸ் டேட்டாஃப்ரேமை மதிப்புகளின் பட்டியல்களைக் கொண்ட அகராதியாக மாற்றவும்

முந்தைய உதாரணங்களில், பல அகராதிகளைக் கொண்ட பைதான் அகராதியாக பாண்டாக்களை மாற்றியுள்ளோம். ஒரு டேட்டாஃப்ரேமை அகராதி பொருளாக மாற்றும்போது, ​​நெடுவரிசை லேபிள்கள் அகராதியின் விசைகளாக செயல்பட வேண்டும், மேலும் நெடுவரிசைகளின் தரவு அல்லது மதிப்புகள் அனைத்தும் ஒவ்வொரு விசைக்கும் மதிப்புகள் பட்டியலாக கிடைக்கும் அகராதியில் சேர்க்கப்பட வேண்டும்.


'பெயர்', 'நாடு' மற்றும் 'வயது' ஆகிய மூன்று நெடுவரிசைகளைக் கொண்ட டேட்டாஃப்ரேமை உருவாக்கியுள்ளோம். 'பெயர்' நெடுவரிசையில், தரவு மதிப்புகளை ('அன்னா', 'மார்டி', 'கார்ல்', 'மேரி', 'கிளெப்', 'அலி', 'அலெக்சா', 'பெக்கி', 'ரியான்') சேமித்துள்ளோம். . மற்ற நெடுவரிசைகள் நாடு மற்றும் வயது ('அமெரிக்கா', 'இங்கிலாந்து', 'அமெரிக்கா', 'பிரான்ஸ்', 'ரஷ்யா', 'ரஷ்யா', 'பிரான்ஸ்', 'இங்கிலாந்து', 'அமெரிக்கா') மற்றும் ( முறையே 34, 32, 30, 27, 31, 33, 35, 25, 30) to_dict() முறையில் உள்ள 'list' அளவுருவைப் பயன்படுத்தி பட்டியல்களைக் கொண்ட அகராதியை உருவாக்குவோம்.


to_list() செயல்பாட்டிற்குள் பட்டியல் அளவுருவை ஒரு வாதமாகப் பயன்படுத்துவதன் மூலம், பல பட்டியல்களைக் கொண்ட அகராதியை உருவாக்கியுள்ளோம்.

எடுத்துக்காட்டு # 03: பாண்டாஸ் டேட்டாஃப்ரேமை மதிப்புகளின் வரிசையைக் கொண்ட அகராதியாக மாற்றவும்

DataFrameஐ அகராதியாக மாற்ற வேண்டியிருக்கும் போது, ​​நெடுவரிசையின் பெயர் அகராதி விசைகளாகவும், நெடுவரிசையில் உள்ள வரிசை அட்டவணை மற்றும் தரவுகள் அகராதியில் உள்ள தொடர்புடைய விசைகளுக்கான மதிப்பாகவும் செயல்படும்.


pd.DataFrame() முறையைப் பயன்படுத்தி தேவையான டேட்டாஃப்ரேமை உருவாக்கியுள்ளோம். சமீபத்தில் உருவாக்கப்பட்ட டேட்டாஃப்ரேமில், எங்களிடம் இரண்டு நெடுவரிசைகள் உள்ளன. பெயர் நெடுவரிசை தரவு மதிப்புகளை ஒரு சரமாக ('கிம்', 'மோரிஸ்', 'காஸ்பர்', 'மில்லி', 'டேவ்', 'வில்', 'பில்லி') சேமிக்கிறது, அதேசமயம் மதிப்பெண் நெடுவரிசைகள் எண் தரவுகளைக் கொண்டிருக்கும் ( 8, 9, 6, 7, 10, 7, 8). to_dict() செயல்பாட்டிற்குள் “தொடர்” என்ற அளவுருவை சரமாகப் பயன்படுத்துவோம்.

எடுத்துக்காட்டு # 04: குறியீட்டு மற்றும் தலைப்பு இல்லாமல் பாண்டாஸ் டேட்டாஃப்ரேமை அகராதியாக மாற்றவும்

to_dict() செயல்பாட்டின் “பிளவு” என்ற அளவுரு, நெடுவரிசைகளின் தலைப்புகள் இல்லாமல் டேட்டாஃப்ரேமிலிருந்து தரவைப் பிரித்தெடுக்க அல்லது தரவிலிருந்து தலைப்பு மற்றும் வரிசைக் குறியீட்டை அகற்ற வேண்டியிருக்கும் போது பயன்படுத்தப்படலாம். நெடுவரிசை லேபிள்கள், வரிசை அட்டவணை மற்றும் உண்மையான தரவு ஆகியவை இந்த அளவுருவைப் பயன்படுத்தி மூன்று கூறுகளாகப் பிரிக்கப்படுகின்றன. டேட்டாஃப்ரேமை உருவாக்குவோம், அதை அகராதியாக மாற்றும்போது அதை மூன்று பகுதிகளாகப் பிரிக்கலாம்.


மதிப்புகள் ('டேவ்', 'மோரிஸ்', 'பில்லி', 'மில்லி', 'கிம்', 'வில்', 'காஸ்பர்') மற்றும் (19, 19) 'பெயர்' மற்றும் 'வயது' என்ற லேபிள்களுடன் இரண்டு நெடுவரிசைகளை உருவாக்கியுள்ளோம். , 25, 21, 19, 21, 23) முறையே. அவற்றை பைதான் அகராதிகளாக மாற்றுவோம்.


'தரவு' என்ற விசையைப் பயன்படுத்தி, குறியீட்டு அல்லது தலைப்பு இல்லாமல் விளைந்த அகராதியிலிருந்து தரவை மீட்டெடுக்கலாம்.

எடுத்துக்காட்டு # 05: வரிசை மற்றும் வரிசை குறியீட்டின் மூலம் பாண்டாஸ் டேட்டாஃப்ரேமை அகராதியாக மாற்றவும்

ஒவ்வொரு டேட்டாஃப்ரேம் வரிசையின் தரவையும் ஒரு பட்டியலில் அல்லது வரிசை வாரியான தரவு தேவைப்படும்போது பல வேறுபட்ட அகராதிப் பொருட்களில் சேமிக்க to_dict() செயல்பாட்டிற்குள் “பதிவு” என்ற அளவுரு பயன்படுத்தப்படலாம். அகராதிப் பொருள்களைக் கொண்ட பட்டியல் திருப்பி அனுப்பப்படும். நெடுவரிசை லேபிளை விசையாகவும், நெடுவரிசைத் தரவை ஒவ்வொரு வரிசையின் மதிப்பாகவும் கொண்ட அகராதி.


'பெயர்' மற்றும் 'சம்பளம்' நெடுவரிசைகளுடன் தரவுச்சட்டத்தை உருவாக்கியுள்ளோம். 'பெயர்' நெடுவரிசையில் தரவு மதிப்புகள் உள்ளன ('லியோ', 'ஹாரிஸ்', 'வாண்டா', 'மைக்', 'கெல்லி', 'ஆடம்', 'ஜாக்'), மற்றும் சம்பள நெடுவரிசை மதிப்புகளை (12000, 12500) சேமிக்கிறது , 14000, 11000, 12000, 13000, 12500). இப்போது ஒவ்வொரு வரிசையின் தரவையும் கொண்ட பல பைதான் அகராதிகளுடன் பட்டியலை உருவாக்குவோம்.


ஒவ்வொரு வரிசையின் தரவையும் டேட்டாஃப்ரேமிலிருந்து அகராதியாக மாற்றவும் குறியீட்டு அளவுரு பயன்படுத்தப்படலாம். அகராதி உருப்படிகளைக் கொண்ட பட்டியல் திருப்பி அனுப்பப்படும். ஒவ்வொரு வரிசையும் ஒரு அகராதியை உருவாக்குகிறது. வரிசைக் குறியீடு முக்கிய மற்றும் மதிப்பு தரவு அகராதி மற்றும் நெடுவரிசை லேபிளாக இருக்கும்.

முடிவுரை

இந்த டுடோரியலில், டேட்டாஃப்ரேம் அல்லது பாண்டாஸ் ஆப்ஜெக்ட்களை பைதான் அகராதியாக மாற்றுவது எப்படி என்று விவாதித்தோம். இந்தச் செயல்பாட்டின் அளவுருக்களைப் புரிந்துகொள்ள to_dict() செயல்பாட்டின் தொடரியல் மற்றும் வெவ்வேறு அளவுருக்களுடன் செயல்பாட்டைக் குறிப்பிடுவதன் மூலம் செயல்பாட்டின் வெளியீட்டை எவ்வாறு மாற்றலாம் என்பதைப் பார்த்தோம். இந்த டுடோரியலின் உதாரணங்களில், pandas ஆப்ஜெக்ட்களை பைதான் அகராதிக்கு மாற்ற, to_dict() முறையைப் பயன்படுத்தினோம்.