Python | Панды Series.ndim

Опубликовано: 28 Марта, 2022

Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.

Серия Pandas - это одномерный массив ndarray с метками осей. Этикетки не обязательно должны быть уникальными, но должны быть хешируемого типа. Объект поддерживает индексирование как на основе целых чисел, так и на основе меток и предоставляет множество методов для выполнения операций, связанных с индексом.

Pandas Series.ndim attribute returns the number of dimensions of the underlying data, by definition it is 1 for series objects.

Syntax:Series.ndim

Parameter : None

Returns : dimension

Example #1: Use Series.ndim attribute to find the dimension of the given series object.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(["New York", "Chicago", "Toronto", "Lisbon", "Rio"])
  
# Creating the row axis labels
sr.index = ["City 1", "City 2", "City 3", "City 4", "City 5"
  
# Print the series
print(sr)

Выход :

Now we will use Series.ndim attribute to find the dimension of the given Series object.

# return the dimension
sr.ndim

Выход :

As we can see in the output, the Series.ndim attribute has returned 1 indicating that the dimension of the given series object is 1.
 
Example #2 : Use Series.ndim attribute to find the dimension of the given series object.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series(["1/1/2018", "2/1/2018", "3/1/2018", "4/1/2018"])
  
# Creating the row axis labels
sr.index = ["Day 1", "Day 2", "Day 3", "Day 4"]
  
# Print the series
print(sr)

Выход :

Now we will use Series.ndim attribute to find the dimension of the given Series object.

# return the dimension
sr.ndim

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.