Zu Python von R gehen, was ist das Python-Äquivalent eines Datenrahmens?

Ich bin vertraut mit der R-Daten-Träger wie Vektoren, dataframe, etc. aber tun müssen, um text-Analyse und wie es scheint, python hat einige gute setups zu tun. Meine Frage ist wo finde ich eine Erklärung, wie die python enthält Daten.

Speziell ich habe einen Datensatz in eine tab-getrennte Datei wo der text ist in der 3. Spalte und die Auswertung der Daten, die ich brauche, ist in der 4. Spalte.

id1            id2            text                             score
123            889     "This is the text I need to read..."      88
234            778     "This is the text I need to read..."      78
345            667     "This is the text I need to read..."      91

In R ich würde nur laden Sie es in ein data-frame mit dem Namen df1 und als ich anrufen wollte eine Spalte, die ich verwenden würde, df1$text oder df1[,3] und wenn ich wollte, eine bestimmte Zelle, die ich verwenden könnte df1[1,3].

Bin ich immer ein Gefühl dafür, wie Lesen von Daten in python, aber nicht, wie Sie sich mit Tisch-Strukturen.

Wie würden Sie vorschlagen, die Arbeit mit diesem für ein python-newbie?

Kommentar zu dem Problem - Öffnen
Python hat kein äquivalent zu den Daten-frame Kommentarautor: David Heffernan
@DavidHeffernan Was ist mit dem pandas Sachen? Ist nicht, (gedacht) in der Nähe? Kommentarautor: joran
@joran, Dass die 3rd-party. Ich nehme an, ich meinte es wird nichts gebaut in der Weise, dass die R-Daten-frame ist gebaut in. Kommentarautor: David Heffernan

InformationsquelleAutor der Frage screechOwl | 2012-03-08

  1. 30

    Blick auf die DataFrame Objekt in der pandas Bibliothek.

    InformationsquelleAutor der Antwort Joshua Ulrich

  2. 12

    Herr Ullrich die Antwort mit der pandas Bibliothek ist die größte Annäherung an die R-Daten-frame. Jedoch, Sie können extrem ähnliche Funktionalität mit der numpy array, die mit dem Datentyp festgelegt object wenn nötig. Neuere Versionen von numpy haben Feldname Fähigkeiten ähnlich wie ein data.frame, seine Indizierung ist tatsächlich etwas stärker als die R und seine Fähigkeit, die Objekte enthalten, geht weit über das hinaus, was R kann.

    Benutze ich R und numpy, abhängig von der Aufgabe zur hand. R ist die Weise, die besser mit Formeln und integrierten Statistiken. Der Python-code ist wartbarer und leichter zu Haken bis zu anderen Systemen.

    Bearbeitet werden: Hinweis Hinzugefügt, dass numpy jetzt hat Feldname Fähigkeiten

    InformationsquelleAutor der Antwort Brian B

  3. 8

    Ich bin mir nicht sicher, wie gut das übersetzt zu 'R', welche ich nie benutzt, aber in Python ist dies, wie würde ich Vorgehen:

    lines = list()
with open('data.txt','r') as f:
  for line in f:
      lines.append(line.split())

    Wird alles gelesen, was in einer python-Liste. Listen sind nullbasiert. Um den text der Spalte aus der zweiten Reihe:

    print lines[1][2]

    Den score line:

    print lines[1][3]

    InformationsquelleAutor der Antwort Burhan Khalid

  4. 7

    Zusätzlich zu Panda DataFrame, können Sie die rpy2 Bibliothek (von http://thread.gmane.org/gmane.comp.python.rpy/1344):

    import array
import rpy2.robjects as ro

d = dict(x = array.array('i', [1,2]), y = array.array('i', [2,3]))
dataf = ro.r['data.frame'](**d)

    InformationsquelleAutor der Antwort Jonathan

  5. 4

    Eine option, die ich in der Vergangenheit verwendet habe ist csv.DictReader können Sie auf Daten in einer Reihe von Namen (jede Zeile wird eine dict):

    import csv
with open('data.txt') as f:
    reader = csv.DictReader(f, delimiter = '\t')
    for row in reader:
        print row

    Ausgabe: 

    {'text': 'This is the text I need to read...', 'score': '88', 'id2': '889', 'id1': '123'}
{'text': 'This is the text I need to read...', 'score': '78', 'id2': '778', 'id1': '234'}
{'text': 'This is the text I need to read...', 'score': '91', 'id2': '667', 'id1': '345'}

    InformationsquelleAutor der Antwort bigjim

  6. 1

    Den Gegenwert von R in python mit Pandas

    Initialisieren Sie einen DataFrame, wie unten

     import pandas as pd
 df = pd.read_csv("filename")

 print df.head()

    InformationsquelleAutor der Antwort Steve

Schreibe einen Kommentar