Python | Панды Panel.shape

Опубликовано: 28 Марта, 2022

В Pandas Panel - очень важный контейнер для трехмерных данных. Названия трех осей предназначены для придания некоторого семантического значения описанию операций с панельными данными и, в частности, эконометрического анализа панельных данных.

In Pandas Panel.shape can be used to get a tuple of axis dimensions.

Syntax: Panel.shape

Parameters: None

Returns: Return a tuple of axis dimensions

Code #1:

# importing pandas module  
import pandas as pd  
import numpy as np 
    
df1 = pd.DataFrame({"a": ["Geeks", "For", "geeks", "for", "real"],  
                    "b": [11, 1.025, 333, 114.48, 1333]}) 
                        
data = {"item1":df1, "item2":df1} 
    
# creating Panel  
panel = pd.Panel.from_dict(data, orient ="minor"
    
print("panel["b"] is - ", panel["b"], " "
    
print(" Size of panel["b"] is - ", panel["b"].shape)   

Выход:

Code #2:

# importing pandas module  
import pandas as pd  
import numpy as np 
    
df1 = pd.DataFrame({"a": ["Geeks", "For", "geeks", "for", "real"],  
                    "b": [11, 1.025, 333, 114.48, 1333]}) 
  
# Create a 5 * 5 dataframe 
df2 = pd.DataFrame(np.random.rand(10, 2), columns =["a", "b"]) 
    
data = {"item1":df1, "item2":df2} 
    
# creating Panel  
panel = pd.Panel.from_dict(data, orient ="minor"
print("panel["b"] is - ", panel["b"], " "
  
  
print(" Shape of Panel is - ", panel["b"].shape) 

Выход:

Code #3:

# importing pandas module 
import pandas as pd 
import numpy as np 
  
df1 = pd.DataFrame({"a": ["Geeks", "For", "geeks", "real"], 
                    "b": [-11, +1.025, -114.48, 1333]}) 
  
df2 = pd.DataFrame({"a": ["I", "am", "dataframe", "two"], 
                    "b": [100, 100, 100, 100]}) 
                      
data = {"item1":df1, "item2":df2}
  
# creating Panel 
panel = pd.Panel.from_dict(data, orient ="minor"
print("panel["b"] is - ", panel["b"]) 
  
print(" Shape of panel["b"] is - ",  panel["b"].shape) 

Выход:

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.