创建DataFrame的10种方法：让数据掌控自如
2023-10-06 09:33:20
创建DataFrame的10种强大方法，助力您的数据分析之旅
简介
在数据分析领域，DataFrame作为pandas库的关键组件，扮演着至关重要的角色，能够高效处理和分析复杂的数据集。为了帮助您掌握DataFrame创建的精髓，本文将深入探讨10种行之有效的方法，从基础到高级，为您提供全面而实用的指南。
方法1：从字典创建DataFrame
字典是创建DataFrame最直接的方式之一。字典中的键值对将分别对应于DataFrame中的列名和列值。
import pandas as pd
# 创建字典
data = {'姓名': ['约翰', '玛丽', '汤姆'], '年龄': [25, 30, 28], '城市': ['纽约', '芝加哥', '洛杉矶']}
# 从字典创建DataFrame
df = pd.DataFrame(data)
方法2：从列表创建DataFrame
列表也是创建DataFrame的便利选择。列表中的每个元素将成为DataFrame中的一列。
import pandas as pd
# 创建列表
data = [['约翰', 25, '纽约'], ['玛丽', 30, '芝加哥'], ['汤姆', 28, '洛杉矶']]
# 从列表创建DataFrame
df = pd.DataFrame(data, columns=['姓名', '年龄', '城市'])
方法3：从元组创建DataFrame
元组类似于列表，但不可变。使用元组创建DataFrame与使用列表类似。
import pandas as pd
# 创建元组
data = (('约翰', 25, '纽约'), ('玛丽', 30, '芝加哥'), ('汤姆', 28, '洛杉矶'))
# 从元组创建DataFrame
df = pd.DataFrame(data, columns=['姓名', '年龄', '城市'])
方法4：从Series创建DataFrame
Series是pandas中另一种重要的数据结构，表示一维数组，包含一组数据及其关联的标签。通过将Series连接起来，我们可以创建DataFrame。
import pandas as pd
# 创建Series
name = pd.Series(['约翰', '玛丽', '汤姆'])
age = pd.Series([25, 30, 28])
city = pd.Series(['纽约', '芝加哥', '洛杉矶'])
# 从Series创建DataFrame
df = pd.concat([name, age, city], axis=1)
方法5：从NumPy数组创建DataFrame
NumPy数组可以通过简单的方法转换为DataFrame，因为NumPy数组本质上是多维数组，而DataFrame是二维数组。
import pandas as pd
import numpy as np
# 创建NumPy数组
data = np.array([[25, 30, 28], ['纽约', '芝加哥', '洛杉矶']])
# 从NumPy数组创建DataFrame
df = pd.DataFrame(data, columns=['年龄', '城市'])
方法6：从CSV文件创建DataFrame
对于CSV（逗号分隔值）文件中的数据，我们可以直接将其读取为DataFrame。
import pandas as pd
# 从CSV文件读取数据
df = pd.read_csv('data.csv')
方法7：从Excel文件创建DataFrame
与CSV文件类似，也可以从Excel文件创建DataFrame。
import pandas as pd
# 从Excel文件读取数据
df = pd.read_excel('data.xlsx')
方法8：从SQL查询创建DataFrame
对于存储在数据库中的数据，可以使用SQL查询来创建DataFrame。
import pandas as pd
import sqlite3
# 连接到数据库
conn = sqlite3.connect('data.db')
# 执行SQL查询
df = pd.read_sql_query('SELECT * FROM table_name', conn)
方法9：从JSON数据创建DataFrame
JSON（JavaScript对象表示法）是一种用于数据传输的文本格式。
import pandas as pd
import json
# 加载JSON数据
data = json.load(open('data.json'))
# 从JSON数据创建DataFrame
df = pd.DataFrame(data)
方法10：从HTML表创建DataFrame
从HTML表中提取数据并将其转换为DataFrame也是可能的。
import pandas as pd
from io import StringIO
# 加载HTML数据
html_data = '<table border="1"><thead><tr><th>姓名</th><th>年龄</th><th>城市</th></tr></thead><tbody><tr><td>约翰</td><td>25</td><td>纽约</td></tr><tr><td>玛丽</td><td>30</td><td>芝加哥</td></tr><tr><td>汤姆</td><td>28</td><td>洛杉矶</td></tr></tbody></table>'
# 从HTML表中读取数据
df = pd.read_html(StringIO(html_data))[0]
结论
掌握创建DataFrame的多种方法对于数据分析至关重要。从简单的字典到复杂的数据库查询，本文提供了丰富的选择，让您能够灵活处理和分析数据。熟练掌握这些方法，您将成为数据分析领域的强大选手，能够高效地管理和探索数据，从中挖掘有价值的见解。
常见问题解答
-
我应该选择哪种方法创建DataFrame？
根据数据来源和格式，选择最合适的方法。例如，如果您有字典或列表数据，则使用这些方法创建DataFrame会更简单。对于外部数据源（如CSV文件或数据库），请使用相应的方法。 -
如何创建多索引DataFrame？
使用MultiIndex类创建一个元组或列表，并将其传递给DataFrame的index参数。例如：
import pandas as pd
# 创建MultiIndex
index = pd.MultiIndex.from_tuples([('A', 1), ('A', 2), ('B', 1), ('B', 2)])
# 创建多索引DataFrame
df = pd.DataFrame(data, index=index)
- 如何重命名DataFrame中的列？
使用DataFrame的rename方法，传递字典或函数来指定旧列名和新列名。例如：
import pandas as pd
# 创建DataFrame
df = pd.DataFrame({'name': ['约翰', '玛丽', '汤姆'], 'age': [25, 30, 28]})
# 重命名列
df = df.rename(columns={'name': '姓名', 'age': '年龄'})
- 如何添加新列到DataFrame？
使用DataFrame的assign方法或直接赋值操作符 (=)。例如：
import pandas as pd
# 创建DataFrame
df = pd.DataFrame({'name': ['约翰', '玛丽', '汤姆'], 'age': [25, 30, 28]})
# 添加新列
df['city'] = ['纽约', '芝加哥', '洛杉矶']
- 如何从DataFrame中删除列或行？
使用DataFrame的drop方法，传递要删除的列名或行号的列表。例如：
import pandas as pd
# 创建DataFrame
df = pd.DataFrame({'name': ['约翰', '玛丽', '汤姆'], 'age': [25, 30, 28], 'city': ['纽约', '芝加哥', '洛杉矶']})
# 删除列
df = df.drop(columns=['age'])
# 删除行
df = df.drop(index=[0, 1])
