Python pandas.DataFrame.from_records用法及代码示例

用法: classmethod DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None)

将结构化或记录 ndarray 转换为 DataFrame。

从结构化的 ndarray、元组或字典序列或 DataFrame 创建 DataFrame 对象。

参数：

data：结构化的 ndarray，元组或字典序列，或 DataFrame: 结构化输入数据。
index：str，字段列表，array-like: 用作索引的数组字段，交替使用一组特定的输入标签。
exclude：序列，默认无: 要排除的列或字段。
columns：序列，默认无: 要使用的列名。如果传递的数据没有与之关联的名称，则此参数提供列的名称。否则，此参数指示结果中列的顺序(数据中未找到的任何名称都将变为all-NA 列)。
coerce_float：布尔值，默认为 False: 尝试将非字符串、非数字对象(如 decimal.Decimal)的值转换为浮点数，这对 SQL 结果集很有用。
nrows：整数，默认无: 如果数据是迭代器，则要读取的行数。

DataFrame

例子：

数据可以作为结构化的 ndarray 提供：

>>> data = np.array([(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')],
...                 dtype=[('col_1', 'i4'), ('col_2', 'U1')])
>>> pd.DataFrame.from_records(data)
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

数据可以作为字典列表提供：

>>> data = [{'col_1': 3, 'col_2': 'a'},
...         {'col_1': 2, 'col_2': 'b'},
...         {'col_1': 1, 'col_2': 'c'},
...         {'col_1': 0, 'col_2': 'd'}]
>>> pd.DataFrame.from_records(data)
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

数据可以作为具有相应列的元组列表提供：

>>> data = [(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')]
>>> pd.DataFrame.from_records(data, columns=['col_1', 'col_2'])
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.from_records。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：