Atributos de marco de datos en Python Pandas

En este artículo, discutiremos los diferentes atributos de un marco de datos. Los atributos son las propiedades de un marco de datos que se pueden usar para obtener datos o cualquier información relacionada con un marco de datos en particular.

La sintaxis para escribir un atributo es:

DataFrame_name.atributo

Estos son los atributos del marco de datos:

• índice
• columnas
• hachas
• tipos de d
• Talla
• forma
• ndim
• vacío
• T
• valores

índice

Hay dos tipos de índice en un DataFrame, uno es el índice de fila y el otro es el índice de columna. El atributo de índice se utiliza para mostrar las etiquetas de fila de un objeto de marco de datos. Las etiquetas de las filas pueden ser de forma 0,1,2,3,… y pueden ser de nombres. 

Sintaxis: dataframe_name.index

Ejemplo 1: cuando el índice no se menciona en un DataFrame                                                                                                            

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict)
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D y luego imprimimos este DataFrame en la pantalla de salida y, al final del programa, implementamos un atributo de índice (df.index) para imprimir las etiquetas de índice de este DataFrame. Como no hemos mencionado ninguna etiqueta de índice en este programa, tomará automáticamente el índice de 0 a n números donde n es el número de filas y luego se imprimirá en la pantalla de salida.

Ejemplo 2: cuando el índice se menciona en un DataFrame

# Python program to implement
# index attribute in a dataframe object
import pandas as pd
 
# creating a 2D dictionary
dict = {"Student": ["Arnav", "Neha",
                    "Priya", "Rahul"],
        "Marks": [85, 92, 78, 83],
        "Sports": ["Cricket", "Volleyball",
                   "Hockey", "Badminton"]}
 
# creating a DataFrame
df = pd.DataFrame(dict, index=['I', 'II', 'III', 'IV'])
 
# printing this DataFrame on the
# output screen
display(df)
 
# Implementing index attribute on
# this DataFrame
print(df.index)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D y luego imprimimos este DataFrame en la pantalla de salida y, al final del programa, implementamos el atributo de índice (df.index) para imprimir las etiquetas de índice de este DataFrame, como hemos mencionado etiquetas de índice en este programa como I, II, III y IV, por lo que imprimirá lo mismo en la pantalla de salida.

columnas

Este atributo se utiliza para obtener los valores de etiqueta de las columnas presentes en un marco de datos en particular.

Sintaxis: dataframe_name.columns 

# Python program to implement
# columns attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing index attribute for this
# data frame
print(data_frame.columns)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida y al final del programa, implementamos el atributo de columna como print(data_frame.columns) para imprimir el etiquetas de columna de este DataFrame. En este programa, las etiquetas de las columnas son «Marketing y Ventas», por lo que imprimirá lo mismo.

hachas

Este atributo se usa cuando queremos obtener los valores de todas las etiquetas de fila y todas las etiquetas de columna a la vez.

Sintaxis: dataframe_name.axes

# Python program to implement
# axes attribute in a dataframe object
import pandas as pd
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing axes attribute for this data frame
print(data_frame.axes)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo de ejes como una impresión (data_frame.axes) para imprimir el etiquetas de columna, así como etiquetas de fila de este DataFrame.

 tipos de d

El propósito de este atributo es mostrar el tipo de datos para cada columna de un marco de datos en particular.

Sintaxis: dataframe_name.dtypes

# Python program to implement
# dtypes attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)
 
# Now we will create another dataframe of same
# data type in a particular column
print("..Another data frame..")
 
# Creating a 2D dictionary
dict2 = {"Student": ["Arnav", "Neha",
                     "Priya", "Rahul"],
         "Marks": [85, 92, 78, 83],
         "Sports": ["Cricket", "Volleyball",
                    "Hockey", "Badminton"]}
 
# Creating another data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing dtypes attribute for this
# data frame
print(data_frame.dtypes)

Producción:

En este programa, creamos dos DataFrames a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos estos DataFrames en la pantalla de salida. Al final de cada DataFrame, hemos implementado el atributo «dtypes» como print(data_frame.dtypes) para imprimir los tipos de datos de cada columna para ambos DataFrame.

Talla

Este atributo se utiliza para mostrar el número total de elementos o elementos presentes en un marco de datos.

Sintaxis: dataframe_name.size

# Python program to implement
# size attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing size attribute for this data frame
print("The total number of elements are:")
print(data_frame.size)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo de tamaño como print(data_frame.size) para imprimir el número total de elementos o elementos de este DataFrame. En este marco de datos, hay un total de 6 elementos, 3 elementos de la primera columna y 3 de la segunda columna.

forma

Este atributo se usa para mostrar el número total de filas y columnas de un marco de datos en particular. Por ejemplo, si tenemos 3 filas y 2 columnas en un DataFrame, la forma será (3,2).

Sintaxis: dataframe_name.shape

# Python program to implement
# shape attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23, 'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22, 'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing shape attribute for this data frame
print("Shape of the DataFrame:")
print(data_frame.shape)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo de forma como print(data_frame.shape) para imprimir el número. de filas y columnas de este DataFrame. En su DataFrame, hay 3 filas y 2 columnas, por lo que imprimirá (3,2).

ndim

ndim significa el número de dimensiones y este atributo se usa para mostrar el número de dimensiones de un marco de datos en particular, y un marco de datos es de objetos bidimensionales.

Sintaxis: dataframe_name.ndim

# Python program to implement
# ndim attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam', 'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha', 'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing ndim attribute for this data frame
print("Number of Dimensions:")
print(data_frame.ndim)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo ndim como print(data_frame.ndim) para imprimir el número. de dimensiones de este DataFrame. Como sabemos que un DataFrame es un objeto bidimensional, imprimirá 2.

vacío

Este atributo se utiliza para comprobar si el marco de datos está vacío o no. Este atributo devuelve verdadero si el marco de datos está vacío y falso si el marco de datos no está vacío.

Sintaxis: dataframe_name.empty

# Python program to implement
# empty attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)
 
# Now we will create another dataframe
print("..Another data frame..")
 
# Creating a 2D empty dictionary
dict2 = {}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict2)
 
# printing this DataFrame on output screen
display(data_frame)
 
# Implementing empty attribute for this data frame
print("Is this DataFrame empty?")
print(data_frame.empty)

Producción:

En este programa, creamos dos DataFrames a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos estos DataFrames en la pantalla de salida. Al final de cada DataFrame, implementamos un atributo «vacío» como print(data_frame.empty) para compruebe si alguno de los DataFrame está vacío o no. En este programa, el primero, DataFrame no está vacío, por lo que imprimirá «False» y el segundo DataFrame está vacío, por lo que imprimirá «True».

T (transposición)

Este atributo se usa para cambiar las filas en columnas y las columnas en filas.

Sintaxis: dataframe_name.T

# Python program to implement T
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing T attribute for this data frame
print("Transpose of this DataFrame is:")
print(data_frame.T)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo «T» como print(data_frame.T) para imprimir la transposición de este DataFrame. Transponer significa que todas las filas del DataFrame se cambiarán a columnas y viceversa.

valores

Este atributo se usa para representar los valores/datos del marco de datos en forma de array NumPy.

Sintaxis: dataframe_name.values

# Python program to implement values
# attribute in a dataframe object
import pandas as pd
 
# Creating a 2D dictionary having values as
# dictionary object
dict = {"Sales": {'Name': 'Shyam',
                  'Age': 23,
                  'Gender': 'Male'},
        "Marketing": {'Name': 'Neha',
                      'Age': 22,
                      'Gender': 'Female'}}
 
# Creating a data frame object
data_frame = pd.DataFrame(dict)
 
# printing this data frame on output screen
display(data_frame)
 
# Implementing values attribute for this data frame
print("NumPy Array form of this DataFrame is:")
print(data_frame.values)

Producción:

En este programa, creamos un DataFrame a partir de un diccionario 2D que tiene valores como objeto de diccionario y luego imprimimos este DataFrame en la pantalla de salida. Al final del programa, implementamos el atributo «valores» como print(data_frame.values) para imprima todos los datos de este DataFrame en forma de array NumPy.