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

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：

      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

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：

      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

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：

      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：

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：

import pandas as pd

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

print(df)

输出：

      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：

import pandas as pd

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

print(df)

输出：

      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-创建空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("为空的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("为空的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 ---- 本文为原创作品，欢迎分享朋友圈

7431 0

pandas中 df和df]的不同

样例数据 df = pd.DataFrame({‘X’: [1, 2, 7, 5, 10], ‘Y’: [4, 3, 8, 2, 9]}) df[‘X’] [[]] df[[‘X’]]...df[‘X’]更像是pd.series类型的，而df[[“X”]]是pd.Dateframe类型，事实也的确如此。...type(df[‘X’]) type(df[[‘X’]]) 除此之外，df[[‘X’,‘Y’]]这样的写法也是被支持的，而df[‘X’,‘Y’]则不被允许。...df[[‘X’,‘Y’]]

1.6K2 0

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，并且天气为优的数据...可以简化查询形式：DataFrame.query(expr, inplace=False, **kwargs) 其中expr为要返回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，并且天气为优的数据...## 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，并且天气为优的数据 df.query("bWendu=15 & tianqi=='晴' & aqiLevel

5282 0

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为标量

2.2K1 0

pandas高级操作：list 转df、重采样

文章目录 list转数据框（Dataframe） pandas读取无头csv 重新采样 pandas 读取 excel list转数据框（Dataframe） # -*- coding:utf-8 -*...- # /usr/bin/python # 字典转数据框（Dataframe） from pandas.core.frame import DataFrame a=[1,2,3,4]#列表a b=[...将包含不同子列表的列表转换为数据框 a=[[1,2,3,4],[5,6,7,8]]#包含两个不同的子列表[1,2,3,4]和[5,6,7,8] data=DataFrame(a)#这时候是以行为标准写入的 print(data) pandas...读取无头csv import pandas as pd df = pd.read_csv('allnodes.csv',header = None)#因为没有表头，不把第一行作为每一列的索引 data...= [] for i in df.index: data.append(tuple(df.values[

2.3K1 0

pandas 强制类型转换 df.astype实例

import pandas as pd from matplotlib import pyplot as plt from datetime import datetime filename='sitka_weather..._2014.csv' df=pd.read_csv(filename) print(df.dtypes) ?...df[' Min Humidity']=df[' Min Humidity'].astype('float64') df=df.astype({'Max Humidity':'float64','Max...补充知识：python pandas转换数据类型astype(int)报错问题代码： import pandas as pd a = pd.Series([‘1.11',‘2.22']) print(...以上这篇pandas 强制类型转换 df.astype实例就是小编分享给大家的全部内容了，希望能给大家一个参考。

2.9K0 0

Python-科学计算-pandas-10-df遍历

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲...Python的科学计算及可视化今天讲讲pandas模块实现对Dataframe的遍历 Part 1：目标 pandas功能很强大，我们可以使用pandas直接读取数据库获取一个Df，也可以直接读取Excel...获取一个Df，等等那么对于生成的Df想获取其中每一个元素怎么实现呢？...本文就是实现对Df的遍历循环，获取每一行每一列的内容结果如图 ?...Part 3：部分代码解读 for index, row in df_1.iterrows():，其中index为行索引的值，row表示这一行的一个Series，通过type函数获取其数据类型，如下图所示

1K3 0

Python-科学计算-pandas-05-Df变形

Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 这个系列讲讲Python的科学计算版块今天讲讲pandas...Part 2：代码 import pandas as pd dict_1 = {"time": ["2019-11-2", "2019-11-2", "2019-11-2", "2019-11-3",...= pd.DataFrame(dict_1, columns=["time", "pos", "value1", "value2", "value3"])df_2 = df.pivot(index="...pos", columns='time', values='value1')print(df)print("\n")print(df_2) 代码截图 ?...如果调换行列df_3 = df.pivot(index="time", columns='pos', values='value1')，结果如下图结合上一章节，是不是可以快速算出每一个pos的各种统计值

6351 0

Python-科学计算-pandas-06-Df合并

Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 这个系列讲讲Python的科学计算版块今天讲讲pandas...列作为连接，将两个Df合并成一个Df，效果如下图合并 ?...Part 2：代码 import pandas as pd dict_1 = {"time": ["2019-11-2", "2019-11-2", "2019-11-2"], "pos..._2")print(df_2) df_merge_1 = pd.merge(df_1, df_2, how='left', on='pos')print("\ndf_merge_1")print(df_merge...Part 3：部分代码解读 pd.merge(df_1, df_2, how='left', on='pos')，以pos列作为df_1和df_2的关联列，采用左连接的方式左连接，可以简单理解为行采用左边的

9451 0

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pandas的df，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为原创作品

1.8K1 0

Python-科学计算-pandas-18-df拼接concat

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲...Python的科学计算及可视化今天讲讲pandas模块对不同df进行按行或者按列的拼接 Part 1：场景描述 ?...import pandas as pd # 显示所有列 pd.set_option('display.max_columns', None) # 显示所有行 pd.set_option('display.max_rows...', None) # 设置value的显示长度为100 pd.set_option('max_colwidth', 100) # 设置对齐 pd.set_option('display.unicode.ambiguous_as_wide...将df_1的value3列索引改为value4 ? ? 本文为原创作品，欢迎分享朋友圈

1.6K1 0

玩转Pandas透视表

在python中我们可以通过pandas.pivot_table函数来实现数据透视表的功能。...本篇文章介绍了pandas.pivot_table具体的使用方法，在最后还准备了一个备忘单，希望能够帮助你记住如何使用pandas的pivot_table。 1....# 加载数据 import numpy as np import pandas as pd import seaborn as sns df = sns.load_dataset('titanic')...如果传入参数为list，则每个聚合函数对每个列都进行一次聚合。如果传入参数为dict，则每个列仅对其指定的函数进行聚合,此时values参数可以不传。...备忘单为了试图总结所有这一切，本文创建了一个备忘单，希望它能够帮助你记住如何使用pandas的pivot_table。 ?

4K3 0

Python-科学计算-pandas-07-Df多条件筛选

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲...Python的科学计算版块今天讲讲pandas模块：根据条件对Df进行筛选 Part 1：示例已知df_1，有3列["value1", "value2", "value3"], 不同筛选条件下，获取新的...df_2 ? df_3 ? df_4 ? df_5 ?...Part 2：代码 import pandas as pd dict_1 = {"value1": ["P1", "P2", "P3"], "value2": [0.5, 0.8,...(df_2) print("\n满足任一条件") df_3 = df_1[(df_1["value2"] > 0.6) | (df_1["value3"] < 5)] print(df_3) print

4.5K2 0

Python-科学计算-pandas-12-df单列计算

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲...Python的科学计算及可视化今天讲讲pandas模块计算Dataframe某一列的和、均值、最大值、最小值、样本标准方差 Part 1：背景 ?...样本标准方差 Df ?...import pandas as pd dict_1 = {"time": ["2019-11-02", "2019-11-03", "2019-11-04", "2019-11-05",...请看下回分解本文为原创作品，欢迎分享朋友圈

8662 0

pandas入门——创建series

参考链接：创建Pandas Series 创建Series 利用实数创建series # 利用实数创建Series 并指定key s1 = pd.Series(3, index=list("a")...) print(s1) 利用列表创建series s2 = pd.Series(list("abcdfgdhsdafcv")) print(s2) 利用元祖创建series s3 = pd.Series...(tuple("sdfacdfgd")) print(s3) 利用数组创建series s4 = pd.Series(numpy.array(list([1, 2, 3, 4, 5, 6, 7, 8..., 9]))) print(s4) 利用字典创建series dictionary1 = {"name": "nick", "age": 12, "sex": "male"} s5 = pd.Series

2760 0

pandas透视表分析

请思考： 1 透视表是什么？会用Excel做透视表吗？ 2 pandas如何做透视表分析？使用什么函数？函数的参数如何选择和设置？ 1 透视表介绍数据透视表是一个用来总结和展示数据的强大工具。...pandas提供了pivot_table()函数以快捷地把DataFrame转换为透视表。...2 导入数据代码 # 导入Python库 import numpy as np import pandas as pd # 读取Excel文件，并且查看前5行数据集 df = pd.read_excel...3 数据透视表分析简单的透视表，指定DataFrame里面需要透视的一个index，以Name为index做透视表。...5 总结 pandas通过pivot_table()函数可以实现透视表，通过设置函数里面的不同参数以达成不同的目标。

2.1K2 0

Pandas 如何创建 DataFrame

参考链接：创建一个Pandas DataFrame – Start 如何创建 Series？ ...import pandas as pd # 自动创建 index my_data = [10, 20, 30] s = pd.Series(data=my_data) print(s) # 指定 index...', 'C1', 'C2'],} df = pd.DataFrame(data) df = pd.DataFrame(data, index=['L0', 'L1', 'L2']) print(df)...lb=%E5%85%A8%E9%83%A8&xl=1 # 通过读取 Excel 文件创建 DataFrame df = pd.read_excel("index300.xls", sheet_name=...) print(df) 通常我们都是通过读取文件创建 DataFrame，DataFrame 提供了下面的 read_* 方法可以从不同的数据源创建 DataFrame。

1.6K0 0

临时表创建_临时表的创建方式

临时表创建 // An highlighted block 两种临时表的语法： create global temporary table 临时表名 on commit preserve|delete...rows 用preserve时就是SESSION级的临时表，用delete就是TRANSACTION级的临时表一、SESSION级临时表 1、建立临时表 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级临时表 1、建立临时表...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这个地方加表名字...function (e) { alert("错误是:" + e.responseText); } }) } else { } } 这是前端code [WebMethod] //注意添加引用，方法为静态

3.2K2 0

如何使用Java创建数据透视表并导出为PDF

本文将介绍如何使用Java来构建PivotTable以及实现数据透视分析，并将其导出为PDF。...创建数据透视表并导出为PDF 创建步骤：创建工作簿(workbook)，工作表(worksheet)。设置数据：在指定位置设置数据区域。...创建PivotTable：在Excel文件中选择需要创建PivotTable的数据区域，并指定行、列、值和筛选器字段。...生成PivotTable报表：使用API接口，将创建好的PivotTable导出为PDF文件。...worksheet.getRange("A1"), "pivottable1"); worksheet.getRange("J1:J16").setNumberFormat("$#,##0.00"); //4.配置透视表的字段

2033 0

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pandas的df，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

2222 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云