Python list 转 dataframe|极客教程

Python list 转 dataframe

引言

在 Python 编程中，经常会遇到需要将列表（list）数据转换为 DataFrame 的情况。DataFrame 是 pandas 库中非常重要的数据结构，它提供了灵活且高效的数据操作方法，方便我们进行数据分析和处理。本文将详细介绍如何将 Python 中的列表数据转换为 DataFrame，并给出示例代码和运行结果。

什么是 DataFrame

DataFrame 是一种二维表格型的数据结构，它由行索引和列索引组成。与传统的二维数组相比，DataFrame 更加灵活，可以处理各种类型的数据，如整数、浮点数、字符串等等。pandas 是一个专门用于数据分析和处理的 Python 库，提供了 DataFrame 数据结构，使得数据的整理和处理变得非常方便。

将列表转换为 DataFrame

要将列表转换为 DataFrame，我们首先需要导入 pandas 库，然后使用 pandas 的 DataFrame() 函数。下面是一段示例代码：

import pandas as pd

# 定义一个列表
my_list = [['Alice', 25, 'F'],
           ['Bob', 30, 'M'],
           ['Charlie', 35, 'M'],
           ['David', 40, 'M'],
           ['Eve', 45, 'F']]

# 将列表转换为 DataFrame
df = pd.DataFrame(my_list, columns=['Name', 'Age', 'Gender'])

# 打印 DataFrame
print(df)

代码中，我们首先导入了 pandas 库，并定义了一个名为 my_list 的列表。该列表包含了一些人员的姓名、年龄和性别信息。接着，我们使用 pd.DataFrame() 函数将列表转换为 DataFrame，并指定了 DataFrame 的列名。最后，我们使用 print() 函数打印出转换后的 DataFrame。

运行以上代码，我们可以得到以下的输出：

      Name  Age Gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M
3    David   40      M
4      Eve   45      F

从输出可以看出，列表中的每个子列表被转换为了 DataFrame 中的一行，而每个子列表中的元素则被转换为了 DataFrame 中的一列。同时，我们还可以看到 DataFrame 中的行索引为 0 到 4，列索引为 Name、Age 和 Gender。

为 DataFrame 添加行索引

上面的示例代码中，我们并没有自定义行索引，因此 pandas 默认使用了从 0 开始的整数作为行索引。但有时候，我们可能希望自定义行索引，以更好地反映数据的特点。下面是一段示例代码，演示了如何为 DataFrame 添加行索引：

import pandas as pd

# 定义一个列表
my_list = [['Alice', 25, 'F'],
           ['Bob', 30, 'M'],
           ['Charlie', 35, 'M'],
           ['David', 40, 'M'],
           ['Eve', 45, 'F']]

# 将列表转换为 DataFrame，并指定行索引
df = pd.DataFrame(my_list, columns=['Name', 'Age', 'Gender'], index=['A', 'B', 'C', 'D', 'E'])

# 打印 DataFrame
print(df)

在上述代码中，我们在 pd.DataFrame() 函数中传入了一个名为 index 的参数，该参数用于指定 DataFrame 的行索引。运行以上代码，我们可以得到以下的输出：

      Name  Age Gender
A    Alice   25      F
B      Bob   30      M
C  Charlie   35      M
D    David   40      M
E      Eve   45      F

从输出可以看出，我们成功地为 DataFrame 添加了自定义的行索引，行索引变为了 A、B、C、D 和 E。

为 DataFrame 添加列索引

在上面的示例代码中，我们在 pd.DataFrame() 函数中使用了 columns 参数，为 DataFrame 添加了列索引。如果我们不指定 columns 参数，pandas 会默认使用整数作为列索引。下面是一段示例代码，演示了如何为 DataFrame 添加列索引：

import pandas as pd

# 定义一个列表
my_list = [['Alice', 25, 'F'],
           ['Bob', 30, 'M'],
           ['Charlie', 35, 'M'],
           ['David', 40, 'M'],
           ['Eve', 45, 'F']]

# 将列表转换为 DataFrame，并指定列索引
df = pd.DataFrame(my_list, index=['A', 'B', 'C', 'D', 'E'])

# 为 DataFrame 添加列索引
df.columns = ['Name', 'Age', 'Gender']

# 打印 DataFrame
print(df)

在上述代码中，我们先将列表转换为 DataFrame，并指定了行索引。然后，我们使用 df.columns = […] 语句为 DataFrame 添加了列索引。运行以上代码，我们可以得到以下的输出：

      Name  Age Gender
A    Alice   25      F
B      Bob   30      M
C  Charlie   35      M
D    David   40      M
E      Eve   45      F

从输出可以看出，我们成功地为 DataFrame 添加了自定义的列索引，列索引变为了 Name、Age 和 Gender。

将嵌套列表转换为多级索引的 DataFrame

在实际应用中，我们经常会遇到需要将嵌套列表（即包含多个子列表的列表）转换为多级索引的 DataFrame 的情况。例如，我们有一个包含一些学生信息的嵌套列表，每个子列表包含学生的姓名、年龄和性别，另外还包含学生所在的班级和学校。下面是一段示例代码，演示了如何将嵌套列表转换为多级索引的 DataFrame：

import pandas as pd

# 定义一个嵌套列表
my_list = [['Alice', 25, 'F', 'Class A', 'School 1'],
           ['Bob', 30, 'M', 'Class B', 'School 1'],
           ['Charlie', 35, 'M', 'Class A', 'School 2'],
           ['David', 40, 'M', 'Class B', 'School 2'],
           ['Eve', 45, 'F', 'Class A', 'School 1']]

# 将嵌套列表转换为 DataFrame，并指定多级索引
df = pd.DataFrame(my_list, columns=['Name', 'Age', 'Gender', 'Class', 'School']).set_index(['School', 'Class'])

# 打印 DataFrame
print(df)

在上述代码中，我们在 pd.DataFrame() 函数中使用了 set_index() 函数，为 DataFrame 指定了多级索引。运行以上代码，我们可以得到以下的输出：

                Name  Age Gender
School    Class                   
School 1  Class A  Alice   25      F
          Class B    Bob   30      M
School 2  Class A    Eve   45      F
          Class B  David   40      M
          Class A      Charlie        35    M

从输出可以看出，我们成功地将嵌套列表转换为了多级索引的 DataFrame。行索引为 School 和 Class，列索引为 Name、Age 和 Gender。每个子列表中的前两个元素被转换为了行索引，而后面的元素则被转换为了列。

DataFrame 转置

有时候，我们可能需要将 DataFrame 进行转置，即将行和列互换。pandas 的 DataFrame 提供了 T 属性来实现转置操作。下面是一段示例代码，演示了如何将 DataFrame 进行转置：

import pandas as pd

# 定义一个列表
my_list = [['Alice', 25, 'F'],
           ['Bob', 30, 'M'],
           ['Charlie', 35, 'M'],
           ['David', 40, 'M'],
           ['Eve', 45, 'F']]

# 将列表转换为 DataFrame
df = pd.DataFrame(my_list, columns=['Name', 'Age', 'Gender'])

# 将 DataFrame 进行转置
df_transposed = df.T

# 打印转置后的 DataFrame
print(df_transposed)

在上述代码中，我们首先将列表转换为 DataFrame，然后使用 T 属性将 DataFrame 进行转置。运行以上代码，我们可以得到以下的输出：

         0    1        2       3    4
Name     Alice    Bob    Charlie    David    Eve
Age           25       30          35        40      45
Gender        F        M        M        M        F

从输出可以看出，我们成功地将 DataFrame 进行了转置，行索引变为了列索引，列索引变为了行索引。

将 DataFrame 转换为列表

除了将列表转换为 DataFrame，我们有时候也需要将 DataFrame 转换为列表。pandas 的 DataFrame 提供了 values 属性来实现这一操作。下面是一段示例代码，演示了如何将 DataFrame 转换为列表：

import pandas as pd

# 定义一个列表
my_list = [['Alice', 25, 'F'],
           ['Bob', 30, 'M'],
           ['Charlie', 35, 'M'],
           ['David', 40, 'M'],
           ['Eve', 45, 'F']]

# 将列表转换为 DataFrame
df = pd.DataFrame(my_list, columns=['Name', 'Age', 'Gender'])

# 将 DataFrame 转换为列表
my_new_list = df.values.tolist()

# 打印转换后的列表
print(my_new_list)

在上述代码中，我们首先将列表转换为 DataFrame，然后使用 values.tolist() 将 DataFrame 转换为列表。运行以上代码，我们可以得到以下的输出：

[['Alice', 25, 'F'], ['Bob', 30, 'M'], ['Charlie', 35, 'M'], ['David', 40, 'M'], ['Eve', 45, 'F']]

从输出可以看出，我们成功地将 DataFrame 转换为了列表。

总结

本文详细介绍了如何将 Python 中的列表数据转换为 DataFrame，并给出了示例代码和运行结果。我们学习了如何使用 pandas 库的 DataFrame() 函数，以及如何指定行索引和列索引。同时，我们还学习了如何将嵌套列表转换为多级索引的 DataFrame，以及如何进行转置和将 DataFrame 转换为列表。DataFrame 是数据分析和处理中非常重要的数据结构，掌握将列表转换为 DataFrame 的方法对于数据处理和分析非常有用。