DataFrame 数据创建：10 种方式任你选
在上一篇文章中已经介绍过 pandas 中两种重要类型的数据结构：Series 类型和 DataFrame 类型，以及详细讲解了如何创建 Series 的数据。
本文介绍的是如何创建 DataFrame 型数据，也是 pandas 中最常用的数据类型，必须掌握的，后续的所有连载文章几乎都是基于 DataFrame 数据的操作。
[传送门](https://mp.weixin.qq.com/s?__biz=MzI4NjI3MzI2Ng==&mid=2247489661&idx=1&sn=c8f2d2c30038801371c065720fe6460e&chksm=ebde23e0dca9aaf6b6d79d44b472cc933b7ad754bf75e3dcf116f75ffabb5314056155c6f3c0&token=526110138&lang=zh_CN#rd)
扩展阅读
1、Pandas 开篇之作：Pandas中使用爆炸函数
2、Pandas 系列第一篇：Series类型数据创建
DataFrame 类型
DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ；除了拥有 index 和 value 之外，还有 column。下图中：
索引 Index：0，1，2，3…….
字段属性：fruit，number
值 value：苹果、葡萄等；200、300 等
导入库
pandas 和 numpy 建议通过 anaconda 安装后使用；pymysql 主要是 python 用来连接数据库，然后进行库表操作的第三方库，也需要先安装
import numpy as npimport pandas as pdfrom pandas import Series,DataFrame
import pymysql # 安装：pip install pymysql
复制代码
10 种方式创建 DataFrame 数据
下面介绍的是通过不同的方式来创建 DataFrame 数据，所有方式最终使用的函数都是：pd.DataFrame()
创建空 DataFrame
1、创建一个完全空的数据
创建一个空 DataFrame 数据，发现什么也没有输出；但是通过 type()函数检查发现：数据是 DataFrame 类型
2、创建一个数值为 NaN 的数据
df0 = pd.DataFrame( columns=['A','B','C'], # 指定列属性 index=[0,1,2] # 指定行索引)
df0
复制代码
改变数据的行索引：
df0 = pd.DataFrame( columns=['A','B','C'], index=[1,2,3] # 改变行索引：从1开始)
df0
复制代码
手动创建 DataFrame
将每个列字段的数据通过列表的形式列出来
df1 = pd.DataFrame({ "name":["小明","小红","小侯","小周","小孙"], "sex":["男","女","女","男","男"], "age":[20,19,28,27,24], "class":[1,2,2,1,2]})
df1
复制代码
读取本地文件创建
pandas 可以通过读取本地的 Excel、CSV、JSON 等文件来创建 DataFrame 数据
1、读取 CSV 文件
比如曾经爬到的一份成都美食的数据，是 CSV 格式的：
df2 = pd.read_csv("成都美食.csv") # 括号里面填写文件的路径：本文的文件在当然目录下df2
复制代码
2、读取 Excel 文件
如果是 Excel 文件，也可以进行读取：
df3 = pd.read_excel("成都美食.xlsx")df3.head() # 默认显示前5行数据
复制代码
3、读取 json 文件
比如本地当前目录下有一份 json 格式的数据：
通过 pandas 读取进来：
df4 = pd.read_json("information.json")df4
复制代码
4、读取 TXT 文件
本地当前目录有一份 TXT 文件，如下图：
df5 = pd.read_table("text.txt")df5
复制代码
上图中如果不指定任何参数：pandas 会将第一行数据作为列字段（不是我们想要的结果），指定参数修改后的代码：
df7 = pd.read_table( "text.txt", # 文件路径 names=["姓名","年龄","性别","省份"], # 指定列属性 sep=" " # 指定分隔符：空格)
df7
复制代码
另外的一种解决方法就是：直接修改 txt 文件，在最上面加上我们想要的列字段属性：这样最上面的一行数据便会当做列字段
姓名 年龄 性别 出生地小明 20 男 深圳小红 19 女 广州小孙 28 女 北京小周 25 男 上海小张 22 女 杭州
复制代码
读取数据库文件创建
1、先安装 pymysql
本文中介绍的是通过 pymysql 库来操作数据库，然后将数据通过 pandas 读取进来，首先要先安装下 pymysql 库（假装你会了）：
首先看下本地数据库中一个表中的数据：读取 Student 表中的全部数据
数据真实样子如下图：
2、建立连接
connection = pymysql.connect( host="IP地址", port=端口号, user="用户名", password="密码", charset="字符集", db="库名")
cur = connection.cursor() # 建立游标
# 待执行的SQL语句sql = """ select * from Student"""
# 执行SQLcur.execute(sql)
复制代码
3、返回执行的结果
data = []
for i in cur.fetchall(): data.append(i) # 将每条结果追加到列表中
data
复制代码
4、创建成 DataFrame 数据
df8 = pd.DataFrame(data,columns=["学号","姓名","出生年月","性别"]) # 指定每个列属性名称df8
复制代码
使用 python 字典创建
1、包含列表的字典创建
# 1、包含列表的字典
dic1 = {"name":["小明","小红","小孙"], "age":[20,18,27], "sex":["男","女","男"] }dic1
复制代码
df9 = pd.DataFrame(dic1,index=[0,1,2])df9
复制代码
2、字典中嵌套字典进行创建
# 嵌套字典的字典
dic2 = {'数量':{'苹果':3,'梨':2,'草莓':5}, '价格':{'苹果':10,'梨':9,'草莓':8}, '产地':{'苹果':'陕西','梨':'山东','草莓':'广东'} }
dic2
# 结果{'数量': {'苹果': 3, '梨': 2, '草莓': 5}, '价格': {'苹果': 10, '梨': 9, '草莓': 8}, '产地': {'苹果': '陕西', '梨': '山东', '草莓': '广东'}}
复制代码
创建结果为：
python 列表创建
1、使用默认的行索引
lst = ["小明","小红","小周","小孙"]df10 = pd.DataFrame(lst,columns=["姓名"])df10
复制代码
可以对索引进行修改：
lst = ["小明","小红","小周","小孙"]
df10 = pd.DataFrame( lst, columns=["姓名"], index=["a","b","c","d"] # 修改索引)
df10
复制代码
3、列表中嵌套列表
# 嵌套列表形式
lst = [["小明","20","男"], ["小红","23","女"], ["小周","19","男"], ["小孙","28","男"] ]
df11 = pd.DataFrame(lst,columns=["姓名","年龄","性别"])df11
复制代码
python 元组创建
元组创建的方式和列表比较类似：可以是单层元组，也可以进行嵌套。
1、单层元组创建
# 单层元组
tup = ("小明","小红","小周","小孙")df12 = pd.DataFrame(tup,columns=["姓名"])
df12
复制代码
2、元组的嵌套
# 嵌套元组
tup = (("小明","20","男"), ("小红","23","女"), ("小周","19","男"), ("小孙","28","男") )
df13 = pd.DataFrame(tup,columns=["姓名","年龄","性别"])df13
复制代码
使用 Series 数据创建
DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ，所以我们可以直接通过 Series 数据进行创建。
series = {'水果':Series(['苹果','梨','草莓']), '数量':Series([60,50,100]), '价格':Series([7,5,18]) }
df15 = pd.DataFrame(series)df15
复制代码
numpy 数组创建
1、使用 numpy 中的函数进行创建
# 1、使用numpy生成的数组
data1 = { "one":np.arange(4,10), # 产生6个数据 "two":range(100,106), "three":range(20,26)}
df16 = pd.DataFrame( data1, index=['A','B','C','D','E','F'] # 索引长度和数据长度相同)
df16
复制代码
2、直接通过 numpy 数组创建
# 2、numpy数组创建
# reshape()函数改变数组的shape值data2 = np.array(["小明","广州",175,"小红","深圳",165,"小周","北京",170,"小孙","上海",180]).reshape(4,3)
data2
复制代码
df17 = pd.DataFrame( data2, # 传入数据 columns=["姓名","出生地","身高"], # 列属性 index=[0,1,2,3] # 行索引)
df17
复制代码
3、使用 numpy 中的随机函数
# 3、numpy中的随机函数生成
# 创建姓名、学科、学期、班级4个列表name_list = ["小明","小红","小孙","小周","小张"]subject_list = ["语文","数学","英文","生物","物理","地理","化学","体育"]semester_list = ["上","下"]class_list = [1,2,3]
# 生成40个分数：在50-100之间score_list = np.random.randint(50,100,40).tolist() # 50-100之间选择40个数
复制代码
随机生成的 40 个分数：
通过 numpy 中的 random 模块的 choice 方法进行数据的随机生成：
df18 = pd.DataFrame({ "name": np.random.choice(name_list,40,replace=True), # replace=True表示抽取后放回（默认），所以存在相同值 "subject": np.random.choice(subject_list,40), "semester": np.random.choice(semester_list,40), "class":np.random.choice(class_list,40), "score": score_list})
df18
复制代码
使用构建器创建 from_dict
pandas 中有一个和字典相关的构建器：DataFrame.from_dict 。
它接收字典组成的字典或数组序列字典，并生成 DataFrame。除了 orient 参数默认为 columns，本构建器的操作与 DataFrame 构建器类似。把 orient 参数设置为 'index'， 即可把字典的键作为行标签。
df19 = pd.DataFrame.from_dict(dict([('姓名', ['小明', '小红', '小周']), ('身高', [178, 165, 196]), ('性别',['男','女','男']), ('出生地',['深圳','上海','北京']) ]) )
df19
复制代码
还可以通过参数指定行索引和列字段名称：
df20 = pd.DataFrame.from_dict(dict([('姓名', ['小明', '小红', '小周']), ('身高', [178, 165, 196]), ('性别',['男','女','男']), ('出生地',['深圳','上海','北京']) ]), orient='index', # 将字典的键作为行索引 columns=['one', 'two', 'three'] # 指定列字段名称 )
df20
复制代码
使用构建器 from_records
pandas 中还有另一个支持元组列表或结构数据类型（dtype）的多维数组的构建器：from_records
data3 = [{'身高': 173, '姓名': '张三','性别':'男'}, {'身高': 182, '姓名': '李四','性别':'男'}, {'身高': 165, '姓名': '王五','性别':'女'}, {'身高': 170, '姓名': '小明','性别':'女'}]
df21 = pd.DataFrame.from_records(data3)
df21
复制代码
还可以传入列表中嵌套元组的结构型数据：
data4 = [(173, '小明', '男'), (182, '小红', '女'), (161, '小周', '女'), (170, '小强', '男') ]
df22 = pd.DataFrame.from_records(data4, columns=['身高', '姓名', '性别'] )
df22
复制代码
总结
数据帧(DataFrame)是 pandas 中的二维数据结构，即数据以行和列的表格方式排列，类似于 Excel 、SQL 表，或 Series 对象构成的字典。它在 pandas 中是经常使用，本身就是多个 Series 类型数据的合并。
本文介绍了 10 种不同的方式创建 DataFrame，最为常见的是通过读取文件的方式进行创建，然后对数据帧进行处理和分析。希望本文能够对读者朋友掌握数据帧 DataFrame 的创建有所帮助。
下一篇文章的预告：如何在 DataFrame 中查找满足我们需求的数据。
评论