Python Pandas创建Dataframe数据框的六种方法汇总（pandas创建excel）万万没想到

🌐 经济型：买域名、轻量云服务器、用途：游戏网站等《腾讯云》特点：特价机便宜适合初学者用点我优惠购买

🚀 拓展型：买域名、轻量云服务器、用途：游戏网站等《阿里云》特点：中档服务器便宜域名备案事多点我优惠购买

🛡️ 稳定型：买域名、轻量云服务器、用途：游戏网站等《西部数码》特点：比上两家略贵但是稳定性超好事也少点我优惠购买

目录一、字典类方法1：列表、数组或元组构成的字典构造Dataframe方法2：Series构成的字典构造Dataframe二、列表类方法1：二维数组构造Dataframe方法2：字典列表构造Dataframe方法3：Series列表构造Dataframe三、小结

创建主要是使用中的函数，其核心就是第一个参数：，传入原始数据，因此我们可以据此给出六种创建的方法：（示例代码环境：jupyter：python3.8）

直接上代码：

import pandas as pd
import numpy as np
dic= #元组
data=pd.DataFrame(dic) # 创建Dataframe
data

运行结果：

可以看到，一个新的数据框已经创建成功了。系统默认为我们生成了行索引，而列索引就是字典里的，我们也可以在创建时手动指定行索引，只需修改参数：

import pandas as pd
import numpy as np
dic={
“a”: [1, 2, 3, 4], # 列表
“b”: np.array([4, 5, 6, 7]), # 数组
“c”: (1, 2, 3, 4),
} # 元组
data=pd.DataFrame(dic, index=[“一”, “二”, “三”, “四”]) # 创建Dataframe
data

运行结果：

那么如果事后我们后悔了，觉得我们起的列索引的名字不好听，怎么修改呢？只需修改的属性：

data.columns=[“A”, “B”, “C”]
data

结果如下：

读者也可以尝试修改的属性。

import pandas as pd
import numpy as np
dic=
data=pd.DataFrame(dic) # 创建Dataframe
data

运行结果：

方法3：字典构成的字典构造Dateframe

import pandas as pd
import numpy as np
dic=
data=pd.DataFrame(dic) # 创建Dataframe
data

运行结果：

其中：外层的这三个作为了列索引，内层的作为了行索引。读者可以尝试为字典再添加一个元素：，看看创建出来的长什么样，这个结果会给你什么启示？

import pandas as pd
import numpy as np
ls=np.arange(12).reshape(3, 4) # 创建二维数组
data=pd.DataFrame(ls)
data

运行结果：

import pandas as pd
import numpy as np
ls=[]
data=pd.DataFrame(ls)
data

运行结果：

可以看到，列表中的字典的作为了列索引，这个就很像关系型数据库里的字段和值。读者要注意和字典类中方法3的区别。

import pandas as pd
import numpy as np
ls=[pd.Series([1, 2, 3, 4]),
pd.Series([4, 5, 6, 7])]
data=pd.DataFrame(ls)
data

运行结果：

笔者为读者提供了六种方法创建，这里总结一下：

1.细心的读者可能会发现：

在字典类中，字典最外层的都作为了，而则作为某一行的值；

在列表类中，列表的每一个元素都作为了某一行的值。

2.读者需要在实际数据处理时，根据处理数据的特点选择合适的方式创建。

到此这篇关于Python Pandas创建Dataframe数据框的六种方法的文章就介绍到这了,更多相关Python Pandas创建Dataframe数据框内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:Python中pandas模块DataFrame创建方法示例python中pandas.DataFrame的简单操作方法（创建、索引、增添与删除）python?pandas创建多层索引MultiIndex的6种方式python geopandas读取、创建shapefile文件的方法python-pandas创建Series数据类型的操作python pandas库的安装和创建