跳转至

蟒蛇|熊猫系列. as_blocks()

原文:https://www.geesforgeks.org/python-pandas-series-as_blocks/

熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。

熊猫 **Series.as_blocks()**函数用于将帧转换为一组数据类型- >构造函数类型，每个类型都有一个同类数据类型。

语法: Series.as_blocks(copy=True)

参数: 副本:布尔型，默认真

返回:值:一组数据类型- >构造函数类型

示例#1: 使用Series.as_blocks()函数将给定的序列对象作为字典返回。

# 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)

输出:

City 1    New York
City 2     Chicago
City 3     Toronto
City 4      Lisbon
City 5         Rio
dtype: object

现在我们将使用Series.as_blocks()函数返回给定的序列对象作为字典。

# return a dictionary
result = sr.as_blocks()

# Print the result
print(result)

输出:

{'object': City 1    New York
City 2     Chicago
City 3     Toronto
City 4      Lisbon
City 5         Rio
dtype: object}

正如我们在输出中看到的，Series.as_blocks()函数已经成功地将给定的序列对象作为字典返回。

例 2 : 使用Series.as_blocks()函数返回给定的序列对象作为字典。

# 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)

输出:

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

现在我们将使用Series.as_blocks()函数返回给定的序列对象作为字典。

# return a dictionary
result = sr.as_blocks()

# Print the result
print(result)

输出:

{'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}

正如我们在输出中看到的，Series.as_blocks()函数已经成功地将给定的序列对象作为字典返回。

回到顶部