从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头

从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头

本文演示了多个将Numpy数组转换为Pandas Dataframe并为数据框架指定索引列和列头的例子。

例子1:在这个例子中,Pandas Dataframe将被生成,并且在函数中提到了索引列和列头的正确名称。当索引列和列头的命名没有模式时,可以使用这种方法。

以下是实现。

# Python program to Create a 
# Pandas DataFrame from a Numpy  
# array and specify the index 
# column and column headers
  
# import required libraries
import numpy as np
import pandas as pd
  
# creating a numpy array
numpyArray = np.array([[15, 22, 43], 
                       [33, 24, 56]])
  
# generating the Pandas dataframe
# from the Numpy array and specifying
# name of index and columns
panda_df = pd.DataFrame(data = numpyArray, 
                        index = ["Row_1", "Row_2"], 
                        columns = ["Column_1",
                                   "Column_2", "Column_3"])
  
# printing the dataframe
print(panda_df)

输出:

从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头。

例子2:在这个例子中,索引列和列头是通过迭代产生的。行和列的迭代范围是由Numpy数组的形状定义的。每一次迭代,一个数字将被添加到预定义的字符串中,新的索引列或列头将产生。因此,如果在命名数据框架的标签时有一些模式,这种方法是合适的。

以下是实施情况。

# Python program to Create a 
# Pandas DataFrame from a Numpy  
# array and specify the index column 
# and column headers
  
# import required libraries
import pandas as pd
import numpy as np
  
# creating a numpy array
numpyArray = np.array([[15, 22, 43], 
                       [33, 24, 56]])
  
# generating the Pandas dataframe
# from the Numpy array and specifying
# name of index and columns
panda_df = pd.DataFrame(data = numpyArray[0:, 0:],
                        index = ['Row_' + str(i + 1) 
                        for i in range(numpyArray.shape[0])],
                        columns = ['Column_' + str(i + 1) 
                        for i in range(numpyArray.shape[1])])
  
# printing the dataframe
print(panda_df)

输出:

从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头。

例子3:在这个例子中,在将Numpy数组转换为Pandas数据框架之前,已经定义了索引列和列头。标签名称也是通过迭代产生的,但方法略有不同。在这里,迭代的次数由Numpy数组内的子数组的长度决定。如果索引列和列头名称遵循某种模式,就可以使用这种方法。

以下是实施情况。

# Python program to Create a 
# Pandas DataFrame from a Numpy  
# array and specify the index column 
# and column headers
  
# import required libraries
import pandas as pd
import numpy as np
  
# creating a numpy array
numpyArray = np.array([[15, 22, 43], 
                       [33, 24, 56]])
  
# defining index for the 
# Pandas dataframe
index = ['Row_' + str(i) 
        for i in range(1, len(numpyArray) + 1)]
  
# defining column headers for the 
# Pandas dataframe
columns = ['Column_' + str(i) 
          for i in range(1, len(numpyArray[0]) + 1)]
  
# generating the Pandas dataframe
# from the Numpy array and specifying
# details of index and column headers
panda_df = pd.DataFrame(numpyArray , 
                        index = index,
                        columns = columns)
  
# printing the dataframe
print(panda_df)

输出:

从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头。

例子#4:在这种方法中,Pandas数据框架的索引列和列头将呈现在Numpy数组中。在将Numpy数组转换为Pandas数据框架的过程中,必须对Numpy数组的子数组进行适当的索引,以获得数据框架标签的正确顺序。

以下是实施情况。

# Python program to Create a 
# Pandas DataFrame from a Numpy  
# array and specify the index column 
# and column headers
  
# import required libraries
import pandas as pd
import numpy as np
  
# creating a numpy array and
# specifying the index and 
# column headers along with 
# data stored in the array
numpyArray = np.array([['', 'Column_1', 
                       'Column_2', 'Column_3'],
                       ['Row_1', 15, 22, 43],
                       ['Row_2', 33, 24, 56]])
  
# generating the Pandas dataframe
# from the Numpy array and specifying
# details of index and column headers
panda_df = pd.DataFrame(data = numpyArray[1:, 1:],
                        index = numpyArray[1:, 0],
                        columns = numpyArray[0, 1:])
  
# printing the dataframe
print(panda_df)

输出:

从Numpy数组创建一个Pandas DataFrame,并指定索引列和列头。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Numpy教程