Pandas系列：10种方式创建DataFrame

Posted 2021-06-06 尤尔小屋的猫

DataFrame数据创建

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。

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

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 np
import pandas as pd
from pandas import Series,DataFrame

import pymysql   # 安装：pip install pymysql

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

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

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

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

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

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

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

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

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

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）：

pip install pymysql

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SQL
cur.execute(sql)

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

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

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

df9 = pd.DataFrame(dic1,index=[0,1,2])
df9

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'}}

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

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

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

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

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

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

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

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

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

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

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

使用构建器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

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

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

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

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