La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.
La función Pandas Series.as_blocks()
se usa para convertir el marco en un dict de dtype -> Tipos de constructores que tienen cada uno un dtype homogéneo.
Sintaxis: Series.as_blocks(copiar=Verdadero)
Parámetro:
copia: booleano, predeterminado TrueDevoluciones: valores: un dict de dtype -> Tipos de constructor
Ejemplo #1: Use Series.as_blocks()
la función para devolver el objeto de serie dado como un diccionario.
# importing pandas as pd import pandas as pd # Creating the Series sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio']) # Create the Index index_ = ['City 1', 'City 2', 'City 3', 'City 4', 'City 5'] # set the index sr.index = index_ # Print the series print(sr)
Producción :
City 1 New York City 2 Chicago City 3 Toronto City 4 Lisbon City 5 Rio dtype: object
Ahora usaremos Series.as_blocks()
la función para devolver el objeto de serie dado como un diccionario.
# return a dictionary result = sr.as_blocks() # Print the result print(result)
Producción :
{'object': City 1 New York City 2 Chicago City 3 Toronto City 4 Lisbon City 5 Rio dtype: object}
Como podemos ver en el resultado, la Series.as_blocks()
función ha devuelto con éxito el objeto de serie dado como un diccionario.
Ejemplo #2: use Series.as_blocks()
la función para devolver el objeto de serie dado como un diccionario.
# importing pandas as pd import pandas as pd # Creating the Series sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None]) # Create the Index # apply yearly frequency index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y') # set the index sr.index = index_ # Print the series print(sr)
Producción :
2010-12-31 08:45:00 11.0 2011-12-31 08:45:00 21.0 2012-12-31 08:45:00 8.0 2013-12-31 08:45:00 18.0 2014-12-31 08:45:00 65.0 2015-12-31 08:45:00 18.0 2016-12-31 08:45:00 32.0 2017-12-31 08:45:00 10.0 2018-12-31 08:45:00 5.0 2019-12-31 08:45:00 32.0 2020-12-31 08:45:00 NaN Freq: A-DEC, dtype: float64
Ahora usaremos Series.as_blocks()
la función para devolver el objeto de serie dado como un diccionario.
# return a dictionary result = sr.as_blocks() # Print the result print(result)
Producción :
{'float64': 2010-12-31 08:45:00 11.0 2011-12-31 08:45:00 21.0 2012-12-31 08:45:00 8.0 2013-12-31 08:45:00 18.0 2014-12-31 08:45:00 65.0 2015-12-31 08:45:00 18.0 2016-12-31 08:45:00 32.0 2017-12-31 08:45:00 10.0 2018-12-31 08:45:00 5.0 2019-12-31 08:45:00 32.0 2020-12-31 08:45:00 NaN Freq: A-DEC, dtype: float64}
Como podemos ver en el resultado, la Series.as_blocks()
función ha devuelto con éxito el objeto de serie dado como un diccionario.
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA