Pandas 创建 DataFrame

简介

Pandas 是一个开源的 Python 数据分析库，提供了丰富的数据结构和数据处理工具，特别适用于处理结构化或标记数据。其中核心的数据结构是 DataFrame，它可以将数据以表格的形式进行存储和操作。本文将详细介绍如何使用 Pandas 创建 DataFrame，以及常用的创建方式和参数。

安装 Pandas

在创建 DataFrame 之前，我们需要先安装 Pandas。可以使用以下命令通过 pip 安装最新版本的 Pandas：

pip install pandas

导入 Pandas

安装完 Pandas 后，就可以在 Python 脚本中导入 Pandas 模块了。通常我们使用 import 语句导入 Pandas，并约定使用 pd 作为别名：

import pandas as pd

使用字典创建 DataFrame

Pandas 的 DataFrame 可以由各种数据结构创建，其中最常用的方式是使用 Python 字典。我们可以把一个字典的键作为列名，值作为列的数据，从而创建一个 DataFrame。

以下是一个示例，通过一个字典创建一个包含学生信息的 DataFrame：

import pandas as pd

# 创建字典
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [20, 22, 21],
        '成绩': [85, 90, 95]}

# 创建 DataFrame
df = pd.DataFrame(data)

# 打印 DataFrame
print(df)

运行以上代码，可以得到输出：

  姓名  年龄  成绩
0  张三  20  85
1  李四  22  90
2  王五  21  95

可以看到，通过字典创建的 DataFrame 的列顺序与原始字典中的键的顺序相同。

使用 Series 创建 DataFrame

Series 是 Pandas 的另一个重要数据结构，可以看作是只有一列的 DataFrame。我们可以把多个 Series 组合起来，从而得到一个完整的 DataFrame。

以下是一个示例，通过多个 Series 创建一个包含学生信息的 DataFrame：

import pandas as pd

# 创建多个 Series
names = pd.Series(['张三', '李四', '王五'])
ages = pd.Series([20, 22, 21])
scores = pd.Series([85, 90, 95])

# 创建 DataFrame
df = pd.DataFrame({'姓名': names, '年龄': ages, '成绩': scores})

# 打印 DataFrame
print(df)

运行以上代码，可以得到与之前相同的输出：

  姓名  年龄  成绩
0  张三  20  85
1  李四  22  90
2  王五  21  95

可以看到，通过多个 Series 创建的 DataFrame 的列顺序与创建时指定的顺序相同。

使用列表创建 DataFrame

除了使用字典和 Series，我们还可以使用列表来创建一个 DataFrame。列表中的每个元素代表 DataFrame 中的一行数据。

以下是一个示例，通过列表创建一个包含学生信息的 DataFrame：

import pandas as pd

# 创建列表
data = [['张三', 20, 85],
        ['李四', 22, 90],
        ['王五', 21, 95]]

# 创建 DataFrame
df = pd.DataFrame(data, columns=['姓名', '年龄', '成绩'])

# 打印 DataFrame
print(df)

运行以上代码，可以得到与之前相同的输出：

  姓名  年龄  成绩
0  张三  20  85
1  李四  22  90
2  王五  21  95

可以看到，通过列表创建的 DataFrame 可以指定列的顺序，列的名称由 columns 参数指定。

使用 NumPy 数组创建 DataFrame

除了以上介绍的方法，我们还可以使用 NumPy 数组创建 DataFrame。NumPy 是 Python 的一个重要科学计算库，提供了丰富的数组操作功能。

以下是一个示例，通过 NumPy 数组创建一个包含学生信息的 DataFrame：

import pandas as pd
import numpy as np

# 创建 NumPy 数组
data = np.array([['张三', 20, 85],
                ['李四', 22, 90],
                ['王五', 21, 95]])

# 创建 DataFrame
df = pd.DataFrame(data)

# 打印 DataFrame
print(df)

运行以上代码，可以得到与之前相同的输出：

    0   1   2
0  张三  20  85
1  李四  22  90
2  王五  21  95

可以看到，使用 NumPy 数组创建的 DataFrame 的列名默认为整数。

使用CSV文件创建 DataFrame

除了以上介绍的直接创建 DataFrame 的方法，我们还可以使用读取 CSV 文件的方式创建一个 DataFrame。CSV 文件是一种常见的以逗号分隔的文本文件，常用于存储结构化的数据。

以下是一个示例，通过读取名为 students.csv 的 CSV 文件创建一个包含学生信息的 DataFrame：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('students.csv')

# 打印 DataFrame
print(df)

需要注意的是，CSV 文件需要与 Python 脚本在同一个目录下，或者使用文件的完整路径。

DataFrame 基本信息

创建了 DataFrame 后，我们可以使用一些方法来查看 DataFrame 的基本信息。

查看头部和尾部数据

使用 head() 方法可以查看 DataFrame 的开头几行，默认显示前 5 行。使用 tail() 方法可以查看 DataFrame 的结尾几行，默认显示最后 5 行。

以下是一个示例：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('students.csv')

# 查看头部数据，默认显示前 5 行
print(df.head())

# 查看尾部数据，默认显示最后 5 行
print(df.tail())

获取列名

使用 columns 属性可以获取 DataFrame 的所有列名。

以下是一个示例：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('students.csv')

# 获取列名
print(df.columns)

获取行数和列数

使用 shape 属性可以获取 DataFrame 的行数和列数。

以下是一个示例：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('students.csv')

# 获取行数和列数
print(df.shape)

小结

本文详细介绍了如何使用 Pandas 创建 DataFrame，以及常用的创建方式和参数。通过字典、Series、列表、NumPy 数组和读取 CSV 文件等多种方式创建 DataFrame，可以方便地处理和分析结构化数据。同时，我们也了解了如何查看 DataFrame 的基本信息。