创建Dataframe
主要是使用pandas
中的DataFrame
函数,其核心就是第一个参数:data
,传入原始数据,因此我们可以据此给出六种创建Dataframe
的方法:(示例代码环境:jupyter:python3.8)
一、字典类
方法1:列表、数组或元组构成的字典构造Dataframe
直接上代码:
1
2
3
4
5
6
7
|
import pandas as pd import numpy as np dic = { "a" : [ 1 , 2 , 3 , 4 ], #列表 "b" : np.array([ 4 , 5 , 6 , 7 ]), #数组 "c" : ( 1 , 2 , 3 , 4 )} #元组 data = pd.DataFrame(dic) # 创建Dataframe data |
运行结果:
可以看到,一个新的数据框已经创建成功了。系统默认为我们生成了行索引,而列索引就是字典dic
里的key
,我们也可以在创建Dataframe
时手动指定行索引,只需修改参数index
:
1
2
3
4
5
6
7
8
9
|
import pandas as pd import numpy as np dic = { "a" : [ 1 , 2 , 3 , 4 ], # 列表 "b" : np.array([ 4 , 5 , 6 , 7 ]), # 数组 "c" : ( 1 , 2 , 3 , 4 ), } # 元组 data = pd.DataFrame(dic, index = [ "一" , "二" , "三" , "四" ]) # 创建Dataframe data |
运行结果:
那么如果事后我们后悔了,觉得我们起的列索引的名字不好听,怎么修改呢?只需修改Dataframe
的columns
属性:
1
2
|
data.columns = [ "A" , "B" , "C" ] data |
结果如下:
读者也可以尝试修改Dataframe
的index
属性。
方法2:Series构成的字典构造Dataframe
1
2
3
4
5
6
|
import pandas as pd import numpy as np dic = { "a" : pd.Series([ 1 , 2 , 3 , 4 ]), "b" : pd.Series([ 4 , 5 , 6 , 7 ])} data = pd.DataFrame(dic) # 创建Dataframe data |
运行结果:
方法3:字典构成的字典构造Dateframe
1
2
3
4
5
6
7
|
import pandas as pd import numpy as np dic = { "a" : { "一" : 1 , "二" : 2 }, "b" : { "一" : 10 , "二" : 20 }, "c" : { "一" : 100 , "二" : 200 }} data = pd.DataFrame(dic) # 创建Dataframe data |
运行结果:
其中:外层的a,b,c
这三个key
作为了列索引,内层的一,二
作为了行索引。读者可以尝试为字典dic
再添加一个元素:"d":{"一": 100}
,看看创建出来的Dataframe
长什么样,这个结果会给你什么启示?
二、列表类
方法1:二维数组构造Dataframe
1
2
3
4
5
|
import pandas as pd import numpy as np ls = np.arange( 12 ).reshape( 3 , 4 ) # 创建二维数组 data = pd.DataFrame(ls) data |
运行结果:
方法2:字典列表构造Dataframe
1
2
3
4
5
6
7
|
import pandas as pd import numpy as np ls = [{ "一" : 1 , "二" : 2 }, { "一" : 10 , "二" : 20 }, { "一" : 100 , "二" : 200 }] data = pd.DataFrame(ls) data |
运行结果:
可以看到,列表中的字典的key
作为了列索引,这个就很像关系型数据库里的字段和值。读者要注意和字典类中方法3的区别。
方法3:Series列表构造Dataframe
1
2
3
4
5
6
|
import pandas as pd import numpy as np ls = [pd.Series([ 1 , 2 , 3 , 4 ]), pd.Series([ 4 , 5 , 6 , 7 ])] data = pd.DataFrame(ls) data |
运行结果:
三、小结
笔者为读者提供了六种方法创建Dataframe
,这里总结一下:
1.细心的读者可能会发现:
在字典类中,字典最外层的key
都作为了列索引
,而值
则作为某一行的值;
在列表类中,列表的每一个元素都作为了某一行的值。
2.读者需要在实际数据处理时,根据处理数据的特点选择合适的方式创建Dataframe
。
到此这篇关于Python Pandas创建Dataframe数据框的六种方法的文章就介绍到这了,更多相关Python Pandas创建Dataframe数据框内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/DY7778F/article/details/119782352