了解dataframe.shape df.shape

Question

我正在学习udacity数据分析课程，我在理解答案时遇到了困难。

已经被要求“为红色数据帧创建颜色阵列”。

答案是

color_red = np.repeat('red', red_df.shape[0])

据我所知，在np.repeat中，第一个参数是输入数组"red"，第二个参数是对每个元素red_df.shape[0]重复。

如果为np.repeat(3, 4)，则返回array([3, 3, 3, 3])。

有谁能帮我找到正确的思路吗？

Answer 1

进入与numpy和pandas的交互式Python会话，并进行实验

创建数据帧：

In [394]: df=pd.DataFrame(np.eye(3))                                            
In [395]: df                                                                    
Out[395]: 
     0    1    2
0  1.0  0.0  0.0
1  0.0  1.0  0.0
2  0.0  0.0  1.0

检查其shape。这是一个tuple (基本Python对象)：

In [396]: df.shape                                                              
Out[396]: (3, 3)
In [397]: df.shape[0]     # first element of the tuple                                                          
Out[397]: 3

使用shape参数重复操作就像使用数字3一样：

In [398]: np.repeat('red', df.shape[0])                                         
Out[398]: array(['red', 'red', 'red'], dtype='<U3')

Pandas和numpy在Python中运行。因此，Python的常规求值顺序适用。

Answer 2

这部分颜色只是返回一个整数与red_df中的总行数，以创建新的添加列‘(red_df.shape[0])’与其相关的red_df的原始数量相同的颜色，因此，当我们稍后与white_df追加它时，它不会向下移动其他white_df和创建其他列上的空行。

您可以简单地删除此部分，并将其编写为：

color_red = np.repeat('red', red_df.shape[0])
color_red = np.repeat('red', 1599)

完整的程序将是

import pandas as pd
import numpy as np

df_red = pd.read_csv('winequality-red.csv',sep=';')

df_white = pd.read_csv('winequality-white.csv',sep=';')

print(df_red.info())

print(df_red.shape[0])

# shape[0} refer to the number of columns which is 1599 shape[1] refer to the number of rows which is 12

# create color array for red dataframe
color_red = np.repeat('red', 1599)

# create color array for white dataframe
color_white = np.repeat('white', df_white.shape[0])


df_red['color'] = color_red

df_white['color'] = color_white

#combine data frame into one data frame called wine_df

wine_df = df_red.append(df_white)

print(wine_df.head())

wine_df.to_csv('winequality_edited.csv', index=False)