Pandas dataframe 的创建方法：字典嵌套列表值

在本文中，我们将介绍如何使用 Pandas 将字典嵌套列表的值转换为 dataframe，该方法是 Pandas 中最为常见的 dataframe 创建方法之一。

什么是字典嵌套列表值

字典嵌套列表值是一种键为字符串，值为列表的 Python 数据结构。该值的列表要么包含相同长度的元素，要么包含多个不同长度的元素。

以下是一个包含相同长度的元素的字典嵌套列表值示例:

data = {'name': ['Alice', 'Bob', 'Cathy', 'David'],
        'age': [25, 30, 29, 20],
        'city': ['NYC', 'LA', 'SF', 'Chicago'],
        'title': ['Engineer', 'Developer', 'Product Manager', 'Intern']}

以下是一个包含多个不同长度的元素的字典嵌套列表值示例:

data = {'name': ['Alice', 'Bob', 'Cathy'],
        'age': [25, 30],
        'city': ['NYC', 'LA', 'SF'],
        'title': ['Engineer', 'Developer', 'Product Manager']}

创建 Pandas dataframe

使用 Pandas 将字典嵌套列表值转换为 dataframe 非常简单。只需将字典传递给 pd.Dataframe() 函数即可。

以下是基于前面两个示例创建 dataframe 的代码：

import pandas as pd

# first example
data1 = {'name': ['Alice', 'Bob', 'Cathy', 'David'],
         'age': [25, 30, 29, 20],
         'city': ['NYC', 'LA', 'SF', 'Chicago'],
         'title': ['Engineer', 'Developer', 'Product Manager', 'Intern']}
df1 = pd.DataFrame(data1)

# second example
data2 = {'name': ['Alice', 'Bob', 'Cathy'],
         'age': [25, 30],
         'city': ['NYC', 'LA', 'SF'],
         'title': ['Engineer', 'Developer', 'Product Manager']}
df2 = pd.DataFrame(data2)

运行以上示例代码后，会输出两个 Pandas dataframe，对应于上述两个字典嵌套列表值的数据结构。

dataframe 的基本操作

一旦我们创建了 dataframe，便可以对其进行各种基本操作。以下是一些常见的 dataframe 操作：

查看 dataframe 大小和列名

df.head()：查看 dataframe 的前几行。
df.tail()：查看 dataframe 的后几行。
df.shape：查看 dataframe 的维度。
df.columns：查看 dataframe 的列名。

筛选 dataframe 中的行和列

df.loc[row_indexer, column_indexer]：根据行和列的标签值筛选 dataframe。
df.iloc[row_indexer, column_indexer]：根据行和列的位置筛选 dataframe。

以下是一些具体的示例代码：

# 查看 dataframe 的前几行
df1.head()

# 查看 dataframe 的后几行
df1.tail()

# 查看 dataframe 的维度
print(df1.shape)

# 查看 dataframe 的列名
print(df1.columns)

# 根据行和列的标签值筛选 dataframe
print(df1.loc[1:3, ['name', 'age']])

# 根据行和列的位置筛选 dataframe
print(df1.iloc[1:3, 0:2])

总结

本文介绍了如何使用 Pandas 将字典嵌套列表值转换为 dataframe，以及如何对 dataframe 进行各种基本操作。Pandas 是 Python 数据科学生态系统中最为重要的库之一，它提供了灵活的数据结构和强大的数据操作功能，适用于数据清洗、数据处理、数据分析等多个领域。掌握 Pandas 的使用，对于数据科学的学习和实践都非常重要。在使用 Pandas 创建 dataframe 时，我们还要注意字典嵌套列表值的结构，以确保 dataframe 中的数据是符合预期的。