Introdução
O método DataFrame.from_records() no Pandas é usado para converter um ndarray estruturado ou de registro em um DataFrame. Ele pode criar um objeto DataFrame a partir de um ndarray estruturado, uma sequência de tuplas ou um DataFrame.
Dicas para a VM
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido às limitações do Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Importar as bibliotecas necessárias
Primeiramente, importe as bibliotecas pandas e numpy para usar as funções e métodos posteriormente no código.
import pandas as pd
import numpy as np
Criar um ndarray estruturado
Em seguida, crie um ndarray estruturado, que contém dados de entrada estruturados. Este ndarray pode ser criado usando a função numpy.array e especificando o tipo de dado para cada campo. Por exemplo:
data = np.array([(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')], dtype=[('col_1', 'i4'), ('col_2', 'U1')])
Converter ndarray para DataFrame
Use o método DataFrame.from_records() para converter o ndarray estruturado em um DataFrame. Este método recebe o ndarray estruturado como dados de entrada e retorna um objeto DataFrame. Atribua o objeto DataFrame a uma variável para poder acessar e manipular o DataFrame posteriormente. Por exemplo:
df = pd.DataFrame.from_records(data)
Exibir o DataFrame
Imprima o DataFrame para ver os resultados. Usar a função print() exibirá o DataFrame em um formato tabular. Por exemplo:
print(df)
Resumo
Seguindo estes passos, você pode usar o método DataFrame.from_records() no Pandas para converter um ndarray estruturado em um DataFrame. Este método é útil ao trabalhar com dados de entrada estruturados e permite a manipulação e análise fácil dos dados usando os recursos poderosos do Pandas.