本文主要是介绍pandas 学习汇总2 - 数据帧DataFrame创建（12种方法）( tcy)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
数据帧(DataFrame) 2018/12/2
函数
函数
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
# 参数：
data数据:ndarray（结构化或记录），series，map，lists，dict，constant，Series，DataFrame
index行标签；columns列标签
# 注意:
DataFrame不像二维NumPyndarray那样工作。创建
# 实例1：创建空的数据帧
df = pd.DataFrame() # Columns: [] Index: []# 实例2：list创建
df = pd.DataFrame([1, 2, 3, 4, 5]) #创建1列5行数据data = [['Tom', 10], ['Bob', 12]]
data=list(zip(['Tom','Bob'],[10,12]))
df = pd.DataFrame(data, columns=['Name', 'Age'], dtype=float)#创建2列2行数据# 实例3：dict创建
data = {'Name': ['Tom', 'Jack'], 'Age': [28, 34]}
data=dict([('Name',['Tom', 'Jack']),('Age', [28, 34])])
df = pd.DataFrame(data, index=['row1', 'row2']) # 创建2列2行数据df=pd.DataFrame([pd.Series(data['Name']),pd.Series(data['Age'])],index=['row1','row2'])
df.columns=['Name','Age'] #等价上面，不能指定columns(指定结果全为Na)# 实例4：ndarray 1D,2D创建
dates = pd.date_range('2018-12-02', periods=2)
pd.DataFrame(np.array([1, 2]), columns=['a'],index=dates)# 创建1列2行数据
pd.DataFrame([[1, 2], [3, 4]], columns=list('ab')) # 创建2列2行数据# 实例4：ndarray-结构化数组创建
dt = np.dtype([('name', 'S10'), ('age', np.int32)])
data = np.array([('Tom', 20), ('Bob', 30)], dtype=dt) # 创建2列2行数据
df = pd.DataFrame(data)# 实例4：ndarray-记录数组创建
recordarr = np.rec.array([('Tom', 20), ('Bob', 30)], dtype=dt)
df = pd.DataFrame(recordarr) # 结果同上# 实例5：Series创建
d = {'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']), # 自动广播
'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])} # 创建2列4行数据
df = pd.DataFrame(d)# 实例6：DataFrame-创建
df1 = pd.DataFrame(df)#创建新数据帧其他方式创建
# 实例7：备用构造函数from_dict-创建
pd.DataFrame.from_dict(dict([('A', [1, 2, 3]), ('B', [4, 5, 6])]))# 创建2列3行数据# 实例8：from_records-创建
# from_records获取元组列表或带有结构化dtype的ndarray。data = np.array([(1, 2., b'Tom'), (2, 3., b'Bob')],
dtype=[('No', '<i4'), ('Money', '<f4'), ('Name', 'S10')])
pd.DataFrame.from_records(data, index=['one', 'two']) # 创建2列3行数据
# No Money Name
# one 1 2.0 b'Tom'
# two 2 3.0 b'Bob'# 实例9：.pandas.read_csv，pandas.read_table
df = pd.DataFrame(data = [('str1', 1), ('str2', 2), ('str3', 3)],
columns=['Names', 'Births']) # 创建2列3行数据'df.to_csv('temp_file.csv',index=False,header=False) # save datafile_path = r'C:\Users\Administrator\PycharmProjects\test_qt\temp_file.csv'df = pd.read_csv(file_path, header=None) #数据没有列名
df = pd.read_csv(file_path, names=['Names','Births']) #数据列名df = pd.read_table(file_path, header=None,delimiter =',') #数据没有列名
df = pd.read_table(file_path, names=['Names','Births'],delimiter =',') #数据列名# 实例10：dict-元组的词典创建
pd.DataFrame({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},
('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},
('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},
('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},
('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}})
# a b
# b a c a b
# A B 1.0 4.0 5.0 8.0 10.0
# C 2.0 3.0 6.0 7.0 NaN
# D NaN NaN NaN NaN 9.0# 实例11：综合创建:
df=pd.DataFrame({ 'A' : 1.,#行标签0,1,2,3 列标签A,B,C,D,E,F
'B' : pd.Timestamp('20181013'),
'C' : pd.Series(np.array(4,np.int64),index=list('ghik')),
'D' : np.array([3] * 4,dtype='int32'),
'E' : pd.Categorical(["str1","str2","str3","str4"]),
'F' : 'foo' })# A B C D E F
# g 1.0 2018-10-13 4 3 str1 foo
# h 1.0 2018-10-13 4 3 str2 foo
# i 1.0 2018-10-13 4 3 str3 foo
# k 1.0 2018-10-13 4 3 str4 foodf2.dtypes# A float64
# B datetime64[ns]
# C int64
# D int32
# E category
# F object
# dtype: object
这篇关于pandas 学习汇总2 - 数据帧DataFrame创建（12种方法）( tcy)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
