首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Pandas为表创建DF

在 Pandas 中创建 DataFrame(简称 DF)是一个非常常见的操作。DataFrame 是一种二维的表格数据结构,类似于 Excel 表格或 SQL 表。你可以从多种数据源创建 DataFrame,例如字典、列表、NumPy 数组、CSV 文件等。

以下是一些常见的方法来创建 DataFrame:

方法一:从字典创建 DataFrame

代码语言:javascript
复制
import pandas as pd

# 创建一个字典
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

# 从字典创建 DataFrame
df = pd.DataFrame(data)

print(df)

输出:

代码语言:javascript
复制
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

方法二:从列表创建 DataFrame

代码语言:javascript
复制
import pandas as pd

# 创建一个列表
data = [
    ['Alice', 25, 'New York'],
    ['Bob', 30, 'Los Angeles'],
    ['Charlie', 35, 'Chicago']
]

# 从列表创建 DataFrame,并指定列名
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])

print(df)

输出:

代码语言:javascript
复制
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

方法三:从 NumPy 数组创建 DataFrame

代码语言:javascript
复制
import pandas as pd
import numpy as np

# 创建一个 NumPy 数组
data = np.array([
    ['Alice', 25, 'New York'],
    ['Bob', 30, 'Los Angeles'],
    ['Charlie', 35, 'Chicago']
])

# 从 NumPy 数组创建 DataFrame,并指定列名
df = pd.DataFrame(data, columns=['Name', 'Age', 'City'])

print(df)

输出:

代码语言:javascript
复制
      Name Age         City
0    Alice  25     New York
1      Bob  30  Los Angeles
2  Charlie  35      Chicago

方法四:从 CSV 文件创建 DataFrame

假设你有一个名为 data.csv 的 CSV 文件,内容如下:

代码语言:javascript
复制
Name,Age,City
Alice,25,New York
Bob,30,Los Angeles
Charlie,35,Chicago

你可以使用 pd.read_csv 函数从 CSV 文件创建 DataFrame:

代码语言:javascript
复制
import pandas as pd

# 从 CSV 文件创建 DataFrame
df = pd.read_csv('data.csv')

print(df)

输出:

代码语言:javascript
复制
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago

方法五:从 Excel 文件创建 DataFrame

假设你有一个名为 data.xlsx 的 Excel 文件,内容与上面的 CSV 文件相同。你可以使用 pd.read_excel 函数从 Excel 文件创建 DataFrame:

代码语言:javascript
复制
import pandas as pd

# 从 Excel 文件创建 DataFrame
df = pd.read_excel('data.xlsx')

print(df)

输出:

代码语言:javascript
复制
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Python-科学计算-pandas-24-创建DF

今天讲讲pandas模块 生成一个空的df Part 1:场景描述 一些情况下需要对df进行操作,若这个df是中间计算出来,有可能是空字符串,这样后续的很多运算就会报错 其中的一个方法就是给其赋值一个空的...df Part 2:代码1 import pandas as pd df = pd.DataFrame(columns=['A', 'B', 'C', 'D']) print(df) if df.empty...: print("空的df") print(type(df)) 代码截图 执行结果 Part 3:代码2 import pandas as pd df = pd.DataFrame...() print(df) if df.empty: print("空的df") print(type(df)) 运行结果 Part 4:部分代码解读 代码1中设置了列名,对于一个空的...df来说,其实可以不需要列名 代码2中无列名,生成的空df更纯粹一点 注意两者的类型都是pandas.core.frame.DataFrame ---- 本文原创作品,欢迎分享朋友圈

75010
  • Pandas查询数据df.query

    Pandas查询数据的简便方法df.query pandas中数据查询query函数 方法对比: 使用df[(df[“a”] > 3) & (df[“b”]<5)]的方式; 使用df.query...27 -5 -12 多云~晴 西北风 3级 48 优 1 复杂条件查询 注意,组合条件用&符号合并,每个条件判断都得带括号 ## 查询最高温度小于30度,并且最低温度大于15度,并且是晴天,并且天气优的数据...可以简化查询 形式:DataFrame.query(expr, inplace=False, **kwargs) 其中expr要返回boolean结果的字符串表达式 形如: df.query(‘a<100...02 2 -5 阴~多云 东北风 1-2级 49 优 1 2 2018-01-03 2 -5 多云 北风 1-2级 28 优 1 查询最高温度小于30度,并且最低温度大于15度,并且是晴天,并且天气优的数据...## 查询最高温度小于30度,并且最低温度大于15度,并且是晴天,并且天气优的数据 df.query("bWendu=15 & tianqi=='晴' & aqiLevel

    55320

    Pandas数据分组的函数应用(df.apply()、df.agg()和df.transform()、df.applymap())

    文章目录 apply()函数 介绍 样例 性能比较 apply() 数据聚合agg() 数据转换transform() applymap() 将自己定义的或其他库的函数应用于Pandas对象,有以下...) >>> df['score_math'].apply('mean') 86.33333333333333 >>> type...(df['score_math'].apply(np.mean)) #逐行求每个学生的平均分 >>> df.apply(np.mean...()的特例,可以对pandas对象进行逐行或逐列的处理; 能使用agg()的地方,基本上都可以使用apply()代替。...再将结果合并;整个DataFrame的函数输出可以是标量、Series或DataFrame;每个apply语句只能传入一个函数; agg可以通过字典方式指定特征进行不同的函数操作,每一特征的函数输出必须标量

    2.3K10

    Python-科学计算-pandas-25-列表转df

    系统:Windows 11 编辑器:JetBrains PyCharm Community Edition 2018.2.2 x64 这个系列讲讲Python的科学计算及可视化 pandas模块 今天讲讲如何讲一个列表转换为...df Part 1:场景说明 我们在工作中可能需要对一些列表或者字典数据进行运算 当然我们可以通过循环判断一波处理得到想要的结果,但着实复杂低效 遇到这种计算问题,自然想到pandas这个非常好用的库...那我们只需要将需要处理的列表字典转换为pandasdf,这样后续处理就非常的高效了 Part 2: 代码 import pandas as pd list_1 = [{"a": 1, "b":...= pd.DataFrame(list_1) print("\ndf内容:") print(df.head(5)) 图1 代码截图 图2 执行结果 Part 3:部分代码说明 df = pd.DataFrame...(list_1),核心就是将该列表传给pd.DataFrame 观察执行结果,规律: 列表中的每一个元素是一个字典 每个字典的键是一样的,转换后对应df的列名 生成的df行索引采用自然数 本文原创作品

    1.8K10

    临时创建_临时创建方式

    临时创建 // An highlighted block 两种临时的语法: create global temporary table 临时名 on commit preserve|delete...rows 用preserve时就是SESSION级的临时,用delete就是TRANSACTION级的临时 一、SESSION级临时 1、建立临时 Sql代码 create global temporary...结束SESSION,重新登录,再查询数据select *from temp_tbl,这时候记录已不存在,因为系统在结束SESSION时自动清除记录 [1] 二、TRANSACTION级临时 1、建立临时...temp_tbl 这时候可以看到刚才插入的记录'test transaction table'已不存在了;同样,如果不提交而直接结束SESSION,重新登录记录也不存在 DoingNetDbContext这个地方加名字...function (e) { alert("错误是:" + e.responseText); } }) } else { } } 这是前端code [WebMethod] //注意添加引用,方法静态

    3.3K20

    Python-科学计算-pandas-26-列表转df-2

    系统:Windows 11 编辑器:JetBrains PyCharm Community Edition 2018.2.2 x64 这个系列讲讲Python的科学计算及可视化 pandas模块 今天讲讲如何将一个列表转换为...df Part 1:场景说明 我们在工作中可能需要对一些列表或者字典数据进行运算 当然我们可以通过循环判断一波处理得到想要的结果,但着实复杂低效 遇到这种计算问题,自然想到pandas这个非常好用的库...那我们只需要将需要处理的列表字典转换为pandasdf,这样后续处理就非常的高效了 上一篇文章列表内每个元素是一个字典,那么如果列表内的元素也是一个列表如何处理呢?...Part 2: 代码 import pandas as pd list_1 = [[1, 2, 3, 4], [2, 3, 4, 5], [6, 3, 8, 5]] print("\n列表内容:...) print("\ndf内容:") print(df) 图1 代码截图 图2 执行结果 Part 3:部分代码说明 df = pd.DataFrame(list_1, columns=list_column

    22920
    领券