Pandas DataFrame创建详解：从一维数据到已有文件

Pandas DataFrame创建详解：从一维数据到已有文件

引用

CSDN

1.

https://m.blog.csdn.net/Morse_Chen/article/details/137130981

本文是一篇关于Pandas库中DataFrame创建的教程。文章详细介绍了DataFrame的创建方法，包括基于一维数据、二维数据以及已有文件的创建方式，并通过具体的代码示例和解释帮助读者理解。文章内容结构清晰，从DataFrame的简介开始，逐步深入到具体的创建方法，适合Pandas初学者学习。

一、DataFrame简介

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共用同一个索引）是基于。

DataFrame函数原型：

pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)  

• data：数据，可以是多种形式，如ndarray、Series、DataFrame、字典等。
• index：行索引，用于指定行的标签，默认为整数索引。
• columns：列索引，用于指定列的标签，默认为整数索引。
• dtype：数据类型，用于指定DataFrame中的数据类型，默认为None。
• copy：是否复制数据，默认为False。

DataFrame的属性：

导入 NumPy 库和 Pandas 库：

import numpy as np
import pandas as pd

二、基于一维数据创建

DataFrame 对象看成一维对象的有序序列，序列中的对象元素又分成按列排列和按行排列两种情况。

（一）按列排列

按列排列，需要基于字典构建：字典的键对应列名，字典的值可以是一列表、一维Numpy数组、Series 对象，或者字典都行。此时，只要一列存在行索引，则该行索引被共享（例如 english 的索引）；如果各列都没有行索引，则用整数作为隐含索引。

1、字典的值分别是一个Series对象、一维列表、一维Numpy数组的情形

# case1-① ② ③：字典的值分别是一个Series对象、一维列表、一维Numpy数组的情形
english = pd.Series([93,97],index=['s01','s02'])  
pd.DataFrame({'英语':english,'语文':[86,88],'数学':np.array([97,95])})

2、字典的值是字典的情形

# case1-④：字典的值是字典的情形
pd.DataFrame({'数学':{'s01':97,'s02':95},'英语':{'s01':93,'s02':97},'语文':{'s01':86,'s02':88}})

对比：看看下面语句的执行结果：

pd.DataFrame({'s01':{'语文':86,'数学':97,'英语':93},'s02':{'数学':95,'语文':88,'英语':97}})

小结：只要外层是字典，则外层字典的键一定是作为 DataFrame 对象的列标签。内层如果是字典或 Series 对象（也可以看成是字典），则内层字典的键将作为作为 DataFrame 对象的行标签。

（二）按行排列

按行排列，需要基于列表构建：列表中的元素可以是一维 Series 对象、一维列表、一维 Numpy 数组或字典都行。

1、把行看成Series对象的情形

# case2-①：这是把行看成Series对象的情形
s1 = pd.Series({'语文':86,'数学':97,'英语':93})
s2 = pd.Series({'数学':95,'语文':88,'英语':97})
pd.DataFrame([s1,s2],index=['s01','s02'])

2、把行看成列表的情形

# case2-②：这是把行看成列表的情形
pd.DataFrame([[97,93,86],[95,97,88]],index=['s01','s02'],columns=['数学','英语','语文'])

3、把行看成一维Numpy数组的情形

# case2-③：这是把行看成一维Numpy数组的情形
pd.DataFrame([np.array([97,93,86]),np.array([95,97,88])],index=['s01','s02'],columns=['数学','英语','语文'])

4、把行看成字典的情形

# case2-④：这是把行看成字典的情形
pd.DataFrame([{'语文':86,'数学':97,'英语':93},{'数学':95,'语文':88,'英语':97}],index=['s01','s02'])

三、基于二维数据创建

1、基于二维列表创建

# case3-①：基于二维列表创建
pd.DataFrame([[97,93,86],[95,97,88]],index=['s01','s02'],columns=['数学','英语','语文'])

2、基于二维数组创建

# case3-②：基于二维数组创建
scores = np.array([[97,93,86],
                [95,97,88]])
pd.DataFrame(scores,index=['s01','s02'],columns=['数学','英语','语文'])

3、基于字典创建

# case3-③：基于字典创建，列名看作字典的键
pd.DataFrame({'数学':[97,95],'英语':[93,97],'语文':[86,88]},index=['s01','s02'])

四、基于已有的文件创建

# case4--基于已有的文件创建
pd.read_excel('team.xlsx')

注意：使用 index 和 columns 属性查看 DataFrame 的行、列名。字符串在 Pandas 中被处理成 object 类型的对象。

df = pd.DataFrame([[97,93,86],[95,97,88]],index=['s01','s02'],columns=['数学','英语','语文'])
print(df.index)
print(df.columns)

ser = pd.Series({'a':[1,2,3],'b':['1','2','3']})
ser