DataFrame.to_pickle () в функции Pandas
Опубликовано: 27 Марта, 2022
Метод to_pickle () используется для добавления (сериализации) данного объекта в файл. В этом методе используется синтаксис, приведенный ниже:
Синтаксис:
DataFrame.to_pickle (сам, путь,
сжатие = 'вывести',
протокол = 4)
| Аргументы | Тип | Описание |
|---|---|---|
| дорожка | ул. | Путь к файлу, в котором будет храниться маринованный объект. |
| сжатие | {'infer', 'gzip', 'bz2', 'zip', 'xz', Нет} | Строка, представляющая сжатие для использования в выходном файле. По умолчанию выводится из расширения файла по указанному пути. |
| протокол | int | Int, который указывает, какой протокол должен использоваться сборщиком, по умолчанию HIGHEST_PROTOCOL (см. [1] _ параграф 12.1.2). Возможные значения: 0, 1, 2, 3, 4. Отрицательное значение параметра протокола эквивалентно установке его значения на HIGHEST_PROTOCOL. |
Example 1:
Python3
# importing packagesimport pandas as pd # dictionary of datadct = {"ID": {0: 23, 1: 43, 2: 12, 3: 13, 4: 67, 5: 89, 6: 90, 7: 56, 8: 34}, "Name": {0: "Ram", 1: "Deep", 2: "Yash", 3: "Aman", 4: "Arjun", 5: "Aditya", 6: "Divya", 7: "Chalsea", 8: "Akash" }, "Marks": {0: 89, 1: 97, 2: 45, 3: 78, 4: 56, 5: 76, 6: 100, 7: 87, 8: 81}, "Grade": {0: "B", 1: "A", 2: "F", 3: "C", 4: "E", 5: "C", 6: "A", 7: "B", 8: "B"} } # forming dataframe and printingdata = pd.DataFrame(dct)print(data) # using to_pickle function to form file # with name "pickle_file"data.to_pickle("pickle_file") |
Выход :
ID Имя Знаки Оценка 0 23 Рам 89 B 1 43 Глубина 97 А 2 12 Яш 45 Ж 3 13 Аман 78 C 4 67 Арджун 56 E 5 89 Адитья 76 C 6 90 Дивья 100 А 7 56 Чалси 87 B 8 34 Акаши 81 Б
Example 2:
Python3
# importing packagesimport pandas as pd # dictionary of datadct = {"f1": range(6), "b1": range(6, 12)} # forming dataframe and printingdata = pd.DataFrame(dct)print(data) # using to_pickle function to form # file with name "pickle_file"data.to_pickle("pickle_file") |
Выход:
f1 b1 0 0 6 1 1 7 2 2 8 3 3 9 4 4 10 5 5 11
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.