当前位置：极客教程 > Pandas > Pandas 教程 > Pandas 创建DataFrame

Pandas 创建DataFrame

Pandas 创建DataFrame，Pandas 数据帧(DataFrame)是二维数据结构，它包含一组有序的列，每列可以是不同的数据类型，DataFrame既有行索引，也有列索引，它可以看作是Series组成的字典，不过这些Series共用一个索引。

数据帧(DataFrame)的功能特点：

  • 不同的列可以是不同的数据类型
  • 大小可变
  • 含行索引和列索引
  • 可以对行和列执行算术运算

假设要创建一个包含学生信息的DataFrame，如下图所示：
Pandas 创建DataFrame

DataFrame 结构体

pandas中的DataFrame可以使用以下构造函数创建：

pandas.DataFrame( data, index, columns, dtype, copy)
Python

构造函数的参数说明如下：

参数 说明
data 支持多种数据类型，如:ndarray，series，map，lists，dict，constant和另一个DataFrame。
index 行标签，如果没有传递索引值，默认值为np.arrange(n)
columns 列标签，如果没有传递索引值，默认值为np.arrange(n)
dtype 每列的数据类型。
copy 是否复制数据，默认值为False

Pandas数据帧(DataFrame)支持多种输入类型来创建

  • 列表(list)
  • 字典(dict)
  • 系列(series)
  • Numpy ndarrays
  • 其他数据帧(DataFrame)

下面介绍如何创建数据帧(DataFrame)。

创建一个空的 DataFrame

#import the pandas library and aliasing as pd
import pandas as pd
df = pd.DataFrame()
print (df)
Python

执行结果如下:

Empty DataFrame
Columns: []
Index: []
Bash

从列表创建 DataFrame

可以使用单个列表或二维列表创建数据帧(DataFrame)。

例1：单个列表创建DataFrame

import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print (df)
Python

执行结果如下:

   0
0  1
1  2
2  3
3  4
4  5
Bash

例2：二维列表创建DataFrame

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

执行结果如下:

     Name  Age
0    Alex   10
1     Bob   12
2  Clarke   13
Bash

例3：二维列表创建DataFrame，并指定dtype

import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print (df)
Python

执行结果如下:

     Name   Age
0    Alex  10.0
1     Bob  12.0
2  Clarke  13.0
Bash

注: 可以观察到，dtype参数将Age列的类型更改为浮点。

从 ndarrays/Lists 的字典来创建 DataFrame

所有的ndarrays必须具有相同的长度。如果传递了索引(index)，则索引的长度应等于数组的长度。
如果没有传递索引，则默认情况下，索引为range(n)，其中n为数组长度。

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

执行结果如下:

   Age   Name
0   28    Tom
1   34   Jack
2   29  Steve
3   42  Ricky
Bash

注：观察值0,1,2,3，它们是分配给每个使用函数range(n)的默认索引。

使用列表作为索引，创建一个数据帧(DataFrame)。

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print (df)
Python

执行结果如下:

       Age   Name
rank1   28    Tom
rank2   34   Jack
rank3   29  Steve
rank4   42  Ricky
Bash

注：index参数为每行分配一个索引。

从字典列表创建 DataFrame

字典列表可作为输入数据用来创建数据帧(DataFrame)，字典键默认为列名。

例1：传递字典列表来创建数据帧(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print (df)
Python

执行结果如下:

   a   b     c
0  1   2   NaN
1  5  10  20.0
Bash

注：观察到，使用NaN填写空白区域

例2：传递字典列表和行索引来创建数据帧(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data, index=['first', 'second'])
print (df)
Python

执行结果如下:

        a   b     c
first   1   2   NaN
second  5  10  20.0
Bash

例3：以下示例显示如何使用字典，行索引和列索引列表创建数据帧(DataFrame)。

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]

#With two column indices, values same as dictionary keys
df1 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])

#With two column indices with one index with other name
df2 = pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b1'])
print (df1)
print (df2)
Python

执行结果如下:

        a   b
first   1   2
second  5  10
        a  b1
first   1 NaN
second  5 NaN
Bash

注：df1是使用列索引创建的，与字典键相同
df2使用字典键以外的列索引创建DataFrame，使用NaN填写空白区域

从 Series 字典来创建 DataFrame

通过传递 Series 字典来创建DataFrame，最终索引是两个Series索引的并集。

import pandas as pd

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
      'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print (df)
Python

执行结果如下:

   one  two
a  1.0    1
b  2.0    2
c  3.0    3
d  NaN    4
Bash

注：对于第一个Series，观察到没有包含索引'd'，输出结果中，对应索引d区域，填写NaN。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程

登录

找回密码？

注册