创建 Pandas DataFrame|极客教程

创建 Pandas DataFrame

Pandas 是一个强大的 Python 数据分析库，它提供了高效的数据结构和数据分析工具。其中，DataFrame 是 Pandas 中最核心的数据结构之一，它是一个二维的、表格型的数据结构，可以存储不同类型的数据，并且具有灵活的数据操作能力。本文将详细介绍如何使用 Pandas 创建 DataFrame，并提供多个示例代码来展示不同的创建方法。

1. 从列表创建 DataFrame

可以通过将列表转换为 DataFrame 来创建数据框。这是最简单的创建方式之一。

import pandas as pd

data = [['Alex', 10], ['Bob', 12], ['Clarke', 13]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

Output:

创建 Pandas DataFrame

2. 从字典创建 DataFrame

字典的键将作为列名，值的列表将作为数据。

import pandas as pd

data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],
        'Age': [28, 34, 29, 42]}
df = pd.DataFrame(data)
print(df)

Output:

创建 Pandas DataFrame

3. 从字典列表创建 DataFrame

每个字典代表一行数据，字典的键是列名，值是数据值。

import pandas as pd

data = [{'Name': 'Tom', 'Age': 28},
        {'Name': 'Jack', 'Age': 34},
        {'Name': 'Steve', 'Age': 29}]
df = pd.DataFrame(data)
print(df)

Output:

创建 Pandas DataFrame

4. 使用 `zip` 函数创建 DataFrame

可以将多个列表组合成一个列表，然后创建 DataFrame。

import pandas as pd

names = ['Tom', 'Jack', 'Steve', 'Ricky']
ages = [28, 34, 29, 42]
data = list(zip(names, ages))
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

Output:

创建 Pandas DataFrame

5. 从 NumPy 数组创建 DataFrame

如果你在使用 NumPy 进行科学计算，也可以直接将 NumPy 数组转换为 DataFrame。

import pandas as pd
import numpy as np

data = np.array([['Tom', 28], ['Jack', 34], ['Steve', 29]])
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

Output:

创建 Pandas DataFrame

6. 从 CSV 文件创建 DataFrame

Pandas 提供了读取 CSV 文件的功能，可以直接将 CSV 文件内容读入 DataFrame。

import pandas as pd

df = pd.read_csv('pandasdataframe.com_data.csv')
print(df)

7. 从 Excel 文件创建 DataFrame

类似于 CSV，Pandas 也支持从 Excel 文件读取数据。

import pandas as pd

df = pd.read_excel('pandasdataframe.com_data.xlsx')
print(df)

8. 从 SQL 数据库创建 DataFrame

如果数据存储在数据库中，Pandas 可以直接从 SQL 数据库读取数据。

import pandas as pd
import sqlite3

conn = sqlite3.connect('pandasdataframe.com_example.db')
df = pd.read_sql_query("SELECT * FROM my_table", conn)
print(df)

9. 设置索引列

在创建 DataFrame 时，可以指定某一列作为索引。

import pandas as pd

data = {'Name': ['Tom', 'Jack', 'Steve', 'Ricky'],
        'Age': [28, 34, 29, 42]}
df = pd.DataFrame(data)
df.set_index('Name', inplace=True)
print(df)

Output:

创建 Pandas DataFrame

10. 使用 `pd.date_range` 创建时间序列数据

Pandas 强大的时间序列工具允许你轻松处理时间数据。

import pandas as pd

dates = pd.date_range(start='20230101', periods=6)
data = pd.DataFrame({'Date': dates, 'Value': range(6)})
print(data)

Output:

创建 Pandas DataFrame

以上是创建 Pandas DataFrame 的一些常见方法。通过这些示例，你可以看到 Pandas 提供了多种灵活的方式来创建和处理数据。无论是从简单的列表到复杂的数据库，Pandas 都能提供相应的工具来帮助数据分析师高效地处理数据。

创建 Pandas DataFrame