Python | Serie Pandas.as_blocks()

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 True

Devoluciones: 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.