Quando si utilizza R è utile caricare i set di dati "pratici" utilizzando
data(iris)
o
data(mtcars)
C'è qualcosa di simile per i Panda? So di poter caricare utilizzando qualsiasi altro metodo, sono solo curioso di sapere se c'è qualcosa integrato.
Risposte:
Da quando ho scritto originariamente questa risposta, l'ho aggiornata con i molti modi ora disponibili per accedere a set di dati di esempio in Python. Personalmente, tendo a restare fedele a qualunque pacchetto sto già usando (di solito seaborn o panda). Se hai bisogno dell'accesso offline, l'installazione del set di dati con Quilt sembra essere l'unica opzione.
Il brillante pacchetto di plottaggio seabornha diversi set di dati di esempio incorporati.
import seaborn as sns
iris = sns.load_dataset('iris')
iris.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
Se non si desidera importare seaborn, ma si desidera comunque accedere ai suoi set di dati di esempio , è possibile utilizzare l'approccio di @ andrewwowens per i dati di esempio di Seaborn:
iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')
Tieni presente che i set di dati di esempio contenenti colonne categoriali hanno il loro tipo di colonna modificato dasns.load_dataset() e il risultato potrebbe non essere lo stesso recuperandolo direttamente dall'URL. I set di dati di esempio di iris e suggerimenti sono disponibili anche nel repository github pandas qui .
Dal momento che ogni insieme di dati può essere letta tramite pd.read_csv(), è possibile accedere a set di dati di esempio tutti di R copiando gli URL da questo repository insieme di dati R .
Altri modi per caricare i set di dati di esempio R includono
statsmodel
import statsmodels.api as sm
iris = sm.datasets.get_rdataset('iris').data
from pydataset import data
iris = data('iris')
scikit-learn restituisce dati di esempio come array numpy piuttosto che come frame di dati Panda.
from sklearn.datasets import load_iris
iris = load_iris()
# `iris.data` holds the numerical values
# `iris.feature_names` holds the numerical column names
# `iris.target` holds the categorical (species) values (as ints)
# `iris.target_names` holds the unique categorical names
Quilt è un gestore di set di dati creato per facilitare la gestione dei set di dati. Include molti set di dati di esempio comuni, come diversi dal repository di esempio uciml . La pagina di avvio rapido mostra come installare e importare il set di dati iris:
# In your terminal
$ pip install quilt
$ quilt install uciml/iris
Dopo aver installato un set di dati, è accessibile localmente, quindi questa è l'opzione migliore se si desidera lavorare con i dati offline.
import quilt.data.uciml.iris as ir
iris = ir.tables.iris()
sepal_length sepal_width petal_length petal_width class
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa
Quilt supporta anche il controllo delle versioni dei set di dati e include una breve descrizione di ciascun set di dati.
Il rpy2modulo è fatto per questo:
from rpy2.robjects import r, pandas2ri
pandas2ri.activate()
r['iris'].head()
rendimenti
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
Fino a panda 0.19 puoi usare l' rpyinterfaccia di panda :
import pandas.rpy.common as rcom
iris = rcom.load_data('iris')
print(iris.head())
rendimenti
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
rpy2fornisce anche un modo per convertire gli Roggetti in oggetti Python :
import pandas as pd
import rpy2.robjects as ro
import rpy2.robjects.conversion as conversion
from rpy2.robjects import pandas2ri
pandas2ri.activate()
R = ro.r
df = conversion.ri2py(R['mtcars'])
print(df.head())
rendimenti
mpg cyl disp hp drat wt qsec vs am gear carb
0 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
1 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
2 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
3 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
4 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
rcom.load_data('iris')?
Qualsiasi file .csv disponibile pubblicamente può essere caricato in panda molto rapidamente utilizzando il suo URL. Ecco un esempio che utilizza il set di dati iris originariamente dall'archivio UCI.
import pandas as pd
file_name = "https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv"
df = pd.read_csv(file_name)
df.head()
L'output qui è l'intestazione del file .csv che hai appena caricato dall'URL specificato.
>>> df.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
Un breve URL memorabile per lo stesso è https://j.mp/iriscsv. Questo URL breve funzionerà solo se viene digitato e non se viene copiato e incollato.
iris.names
I panda integrati che testano DataFrame è molto conveniente.
makeMixedDataFrame ():
In [22]: import pandas as pd
In [23]: pd.util.testing.makeMixedDataFrame()
Out[23]:
A B C D
0 0.0 0.0 foo1 2009-01-01
1 1.0 1.0 foo2 2009-01-02
2 2.0 0.0 foo3 2009-01-05
3 3.0 1.0 foo4 2009-01-06
4 4.0 0.0 foo5 2009-01-07
altre opzioni di test DataFrame ：
makeDataFrame ():
In [24]: pd.util.testing.makeDataFrame().head()
Out[24]:
A B C D
acKoIvMLwE 0.121895 -0.781388 0.416125 -0.105779
jc6UQeOO1K -0.542400 2.210908 -0.536521 -1.316355
GlzjJESv7a 0.921131 -0.927859 0.995377 0.005149
CMhwowHXdW 1.724349 0.604531 -1.453514 -0.289416
ATr2ww0ctj 0.156038 0.597015 0.977537 -1.498532
makeMissingDataframe () ：
In [27]: pd.util.testing.makeMissingDataframe().head()
Out[27]:
A B C D
qyXLpmp1Zg -1.034246 1.050093 NaN NaN
v7eFDnbQko 0.581576 1.334046 -0.576104 -0.579940
fGiibeTEjx -1.166468 -1.146750 -0.711950 -0.205822
Q8ETSRa6uY 0.461845 -2.112087 0.167380 -0.466719
7XBSChaOyL -1.159962 -1.079996 1.585406 -1.411159
makeTimeDataFrame () ：
In [28]: pd.util.testing.makeTimeDataFrame().head()
Out[28]:
A B C D
2000-01-03 -0.641226 0.912964 0.308781 0.551329
2000-01-04 0.364452 -0.722959 0.322865 0.426233
2000-01-05 1.042171 0.005285 0.156562 0.978620
2000-01-06 0.749606 -0.128987 -0.312927 0.481170
2000-01-07 0.945844 -0.854273 0.935350 1.165401