Saat menggunakan R, berguna untuk memuat set data "latihan" menggunakan
data(iris)
atau
data(mtcars)
Apakah ada yang serupa untuk Panda? Saya tahu saya dapat memuat menggunakan metode lain, hanya ingin tahu apakah ada sesuatu di dalamnya.
python
pandas
dataset
sample-data
ngarai 289
sumber
sumber
Jawaban:
Sejak saya pertama kali menulis jawaban ini, saya telah memperbaruinya dengan banyak cara yang sekarang tersedia untuk mengakses kumpulan data sampel dengan Python. Secara pribadi, saya cenderung tetap menggunakan paket apa pun yang sudah saya gunakan (biasanya seaborn atau panda). Jika Anda membutuhkan akses offline, menginstal kumpulan data dengan Quilt tampaknya menjadi satu-satunya pilihan.
Yg keturunan dr laut
Paket plotting yang brilian
seaborn
memiliki beberapa kumpulan data sampel bawaan.import seaborn as sns iris = sns.load_dataset('iris') iris.head()
Panda
Jika Anda tidak ingin mengimpor
seaborn
, tetapi masih ingin mengakses kumpulan data sampelnya , Anda dapat menggunakan pendekatan @ andrewwowens untuk data sampel seaborn:iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')
Perhatikan bahwa contoh kumpulan data yang berisi kolom kategorikal memiliki jenis kolom yang dimodifikasi oleh
sns.load_dataset()
dan hasilnya mungkin tidak sama dengan mendapatkannya dari url secara langsung. Kumpulan data sampel iris dan tip juga tersedia di repo github panda di sini .R contoh dataset
Karena kumpulan data apa pun dapat dibaca
pd.read_csv()
, maka dimungkinkan untuk mengakses semua kumpulan data sampel R dengan menyalin URL dari repositori kumpulan data R ini .Cara tambahan untuk memuat kumpulan data sampel R termasuk
statsmodel
import statsmodels.api as sm iris = sm.datasets.get_rdataset('iris').data
dan
PyDataset
from pydataset import data iris = data('iris')
scikit-learn
scikit-learn
mengembalikan data sampel sebagai larik numpy daripada bingkai data 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
Selimut
Quilt adalah pengelola dataset yang dibuat untuk memfasilitasi pengelolaan dataset. Ini mencakup banyak kumpulan data sampel umum, seperti beberapa dari repositori sampel uciml . The cepat halaman awal menunjukkan cara menginstal dan impor iris kumpulan data:
# In your terminal $ pip install quilt $ quilt install uciml/iris
Setelah memasang kumpulan data, itu dapat diakses secara lokal, jadi ini adalah opsi terbaik jika Anda ingin bekerja dengan data secara offline.
import quilt.data.uciml.iris as ir iris = ir.tables.iris()
Quilt juga mendukung pembuatan versi set data dan menyertakan deskripsi singkat dari setiap set data.
sumber
The
rpy2
modul dibuat untuk ini:from rpy2.robjects import r, pandas2ri pandas2ri.activate() r['iris'].head()
hasil
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
Hingga pandas 0.19 Anda dapat menggunakan
rpy
antarmuka panda sendiri :import pandas.rpy.common as rcom iris = rcom.load_data('iris') print(iris.head())
hasil
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
rpy2
juga menyediakan cara untuk mengubahR
objek menjadi objek 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())
hasil
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
sumber
rcom.load_data('iris')
?pandas.rpy
telah dihapus pada 0.20 . Untuk berinteraksi dengan R,rpy2
adalah opsi yang disarankan.File .csv yang tersedia untuk umum dapat dimuat ke panda dengan sangat cepat menggunakan URL-nya. Berikut adalah contoh penggunaan dataset iris yang berasal dari arsip 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()
Keluarannya di sini adalah tajuk file .csv yang baru saja Anda muat dari URL yang diberikan.
>>> 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
URL singkat yang mudah diingat untuk hal yang sama adalah
https://j.mp/iriscsv
. URL singkat ini hanya akan berfungsi jika diketik dan tidak jika disalin-tempel.sumber
iris.names
DataFrame pengujian pandas builtin sangat nyaman.
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
opsi DataFrame pengujian lainnya :
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
sumber