Python Pandas 数据框创建

Posted 2023-03-11

【中文标题】Python Pandas 数据框创建

【英文标题】：Python Pandas Data frame creation

【发布时间】：2018-03-15 16:57:31

【问题描述】：

我尝试使用以下代码创建数据框 df：

import numpy as np
import pandas as pd
index = [0,1,2,3,4,5]
s = pd.Series([1,2,3,4,5,6],index= index)
t = pd.Series([2,4,6,8,10,12],index= index)
df = pd.DataFrame(s,columns = ["MUL1"])
df["MUL2"] =t

print df


   MUL1  MUL2
0     1     2
1     2     4
2     3     6
3     4     8
4     5    10
5     6    12

在尝试使用以下语法创建相同的数据框时，我得到了一个奇怪的输出。

df = pd.DataFrame([s,t],columns = ["MUL1","MUL2"])

print df

   MUL1  MUL2
0   NaN   NaN
1   NaN   NaN

请解释为什么当两个系列都非空时 NaN 会显示在数据框中，以及为什么只显示两行而没有其他行。

还通过使用 pandas DataFrame 方法中的 columns 参数，提供创建数据框的正确方法，就像上面提到的一样。

【参考方案1】：

正确的方法之一是将输入列表中的数组数据堆叠成列 -

In [161]: pd.DataFrame(np.c_[s,t],columns = ["MUL1","MUL2"])
Out[161]: 
   MUL1  MUL2
0     1     2
1     2     4
2     3     6
3     4     8
4     5    10
5     6    12

在幕后，堆叠创建了一个二维数组，然后将其转换为数据帧。这是堆叠数组的样子 -

In [162]: np.c_[s,t]
Out[162]: 
array([[ 1,  2],
       [ 2,  4],
       [ 3,  6],
       [ 4,  8],
       [ 5, 10],
       [ 6, 12]])

【讨论】：

非常感谢您的回答先生。但我有一个小问题。使用的系列 s 和 t 是可以通过打印其中之一来确定的列，例如打印 0 1 1 2 2 3 3 4 4 5 5 6 数据类型：int64。那么为什么我们必须明确使用 np.c_ 将它们转换为列？

@SarvagyaDubey s 和 t 是 pandas 系列，很可能它们的索引在使用 [s,t] 创建数据框时会搞砸。通过堆叠，它为我们提供了数组数据，因为我们正在摆脱这些索引。这有助于我们获得与其先前索引信息无关的所需数据框。

嗯。我认为如果输入是系列不是很好的方法转换为 numpy 数组，因为丢失了index 信息。特别是如果每​​个系列都有不同的索引，您的解决方案就会失败。你怎么看？

您的解决方案仅在默认索引或与pd.DataFrame(np.c_[s,t],columns = ["MUL1","MUL2"], index=s.index)相同的情况下才有效

@jezrael 我认为 OP 希望从 s 和 t 获取与索引信息无关的数据以创建输出数据帧。如果他们需要处理这种情况/预期输出的情况，我会让 OP 澄清一下。

【参考方案2】：

如果删除列参数得到：

df = pd.DataFrame([s,t])

print (df)
   0  1  2  3   4   5
0  1  2  3  4   5   6
1  2  4  6  8  10  12

然后定义列 - 如果列不存在，则获取 NaNs 列：

df = pd.DataFrame([s,t], columns=[0,'MUL2'])

print (df)
     0  MUL2
0  1.0   NaN
1  2.0   NaN

---

最好使用dictionary:

df = pd.DataFrame('MUL1':s,'MUL2':t)

print (df)
   MUL1  MUL2
0     1     2
1     2     4
2     3     6
3     4     8
4     5    10
5     6    12

如果需要更改列顺序添加列参数：

df = pd.DataFrame('MUL1':s,'MUL2':t, columns=['MUL2','MUL1'])

print (df)
   MUL2  MUL1
0     2     1
1     4     2
2     6     3
3     8     4
4    10     5
5    12     6

更多信息在dataframe documentation。

不需要concat - DataFrame 构造函数的另一个解决方案：

df = pd.concat([s,t], axis=1, keys=['MUL1','MUL2'])

print (df)
   MUL1  MUL2
0     1     2
1     2     4
2     3     6
3     4     8
4     5    10
5     6    12

【讨论】：

我打算在不使用字典的情况下创建数据框。

我添加了另一个解决方案 - 不需要 DataFrame 构造函数。

非常感谢您的帮助

@jezrael 谢谢伙计，你是个救命稻草，有这么多有用的答案:)

【参考方案3】：

pandas.DataFrame 接受参数 data，其类型可以是 ndarray、iterable、dict 或 dataframe。 如果您传入一个列表，它将假定每个成员都是一行。示例：

a = [1,2,3]
b = [2,4,6]

df = pd.DataFrame([a, b], columns = ["Col1","Col2", "Col3"])

# output 1:
   Col1  Col2  Col3
0     1     2     3
1     2     4     6

你得到NaN，因为它期望index = [0,1]，但你给[0,1,2,3,4,5] 要得到你想要的形状，先转置数据：

data = np.array([a, b]).transpose()

---

如何创建 pandas 数据框

import pandas as pd

a = [1,2,3]
b = [2,4,6]

df = pd.DataFrame(dict(Col1=a, Col2=b))  

输出：

   Col1  Col2
0     1     2
1     2     4
2     3     6