当前位置：极客教程 > Pandas > Pandas DataFrame类 > 如何用Pandas在Python中为DataFrame或系列添加元数据

如何用Pandas在Python中为DataFrame或系列添加元数据

如何用Pandas在Python中为DataFrame或系列添加元数据

元数据，也被称为关于数据的数据。元数据可以给我们提供数据描述、摘要、在内存中的存储以及该特定数据的数据类型。我们将显示和创建元数据。

Scenario:

  • 我们可以通过使用info()命令简单地获得元数据
  • 我们可以向现有的数据添加元数据，并可以查看创建的数据的元数据。

Steps:

  • 创建一个数据框架
  • 查看已经存在的元数据
  • 创建元数据并查看元数据。

在这里，我们将创建一个数据框架，我们可以查看和创建创建的数据框架的元数据。

查看现有的元数据方法：

  • dataframe_name.info() – 它将以表格的形式返回数据类型的空值和内存使用情况。
  • dataframe_name.columns() – 它将返回一个数组，其中包括数据框架中的所有列名。
  • dataframe_name.describe() – 它将给出给定数字数据框架列的描述性统计，如平均值、中位数、标准差等。

Create Metadata

我们可以使用dataframe.scale()和dataframe.offset()方法为特定的数据框创建元数据。它们是用来表示元数据的。

语法:

dataframe_name.scale=value
dataframe_name.offset=value
Python

以下是一些例子，描述了如何将元数据添加到数据框架或系列中：

示例 1

最初创建并显示一个数据框架。

# import required modules
import pandas as pd
 
# initialise data of lists using dictionary
data = {'Name': ['Sravan', 'Deepak', 'Radha', 'Vani'],
        'College': ['vignan', 'vignan Lara', 'vignan', 'vignan'],
        'Department': ['CSE', 'IT', 'IT', 'CSE'],
        'Profession': ['Student', 'Assistant Professor',
                       'Programmer & ass. Proff',
                       'Programmer & Scholar'],
        'Age': [22, 32, 45, 37]
        }
 
# create dataframe
df = pd.DataFrame(data)
 
# print dataframe
df
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

然后检查数据框架的属性和描述。

# data information
df.info()
 
# data columns description
df.columns
 
# describing columns
df.describe()
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

初始化数据框架的偏移量和比例。

# initializing scale and offset
# for creating meta data
df.scale = 0.1
df.offset = 15
 
# display scale and offset
print('Scale:', df.scale)
print('Offset:', df.offset)
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

我们正在以hdf5文件格式存储数据，然后我们将显示数据帧及其存储的元数据。

# store in hdf5 file format
storedata = pd.HDFStore('college_data.hdf5')
 
# data
storedata.put('data_01', df)
 
# including metadata
metadata = {'scale': 0.1, 'offset': 15}
 
# getting attributes
storedata.get_storer('data_01').attrs.metadata = metadata
 
# closing the storedata
storedata.close()
 
# getting data
with pd.HDFStore('college_data.hdf5') as storedata:
    data = storedata['data_01']
    metadata = storedata.get_storer('data_01').attrs.metadata
 
# display data
print('\nDataframe:\n', data)
 
# display stored data
print('\nStored Data:\n', storedata)
 
# display metadata
print('\nMetadata:\n', metadata)
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

示例 2

pandas中的系列数据结构不支持信息和所有方法。所以我们直接创建元数据并显示。

# import required module
import pandas as pd
 
# initialise data of lists using dictionary.
data = {'Name': ['Sravan', 'Deepak', 'Radha', 'Vani'],
        'College': ['vignan', 'vignan Lara', 'vignan', 'vignan'],
        'Department': ['CSE', 'IT', 'IT', 'CSE'],
        'Profession': ['Student', 'Assistant Professor',
                       'Programmer & ass. Proff',
                       'Programmer & Scholar'],
        'Age': [22, 32, 45, 37]
        }
 
# Create series
ser = pd.Series(data)
 
# display data
ser
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

现在我们将存储元数据，然后显示它。

# storing data in hdf5 file format
storedata = pd.HDFStore('college_data.hdf5')
 
# data
storedata.put('data_01', ser)
 
# mentioning scale and offset
metadata = {'scale': 0.1, 'offset': 15}
 
storedata.get_storer('data_01').attrs.metadata = metadata
 
# storing close
storedata.close()
 
# getting attributes
with pd.HDFStore('college_data.hdf5') as storedata:
    data = storedata['data_01']
    metadata = storedata.get_storer('data_01').attrs.metadata
 
# display data
print('\nData:\n', data)
 
# display stored data
print('\nStored Data:\n', storedata)
 
# display Metadata
print('\nMetadata:\n', metadata)
Python

输出:

如何用Pandas在Python中为DataFrame或系列添加元数据？

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册