Python Pandas DataFrame构造函数用法及代码示例

例子

使用数组字典

要使用数组字典创建DataFrame：

df = pd.DataFrame({"A":[3,4], "B":[5,6]})
df



   A  B
0  3  5
1  4  6

这里，字典的键值对如下：

• key：列标签

• value：该列的值

此外，由于 data 不包含任何索引(即行标签)，因此使用默认的整数索引。

使用嵌套字典

要使用嵌套字典创建DataFrame：

col_one = {"a":3,"b":4}
col_two = {"a":5,"b":6}
df = pd.DataFrame({"A":col_one, "B":col_two})
df



   A  B
a  3  5
b  4  6

在这里，我们在 col_one 和 col_two 中指定了索引。

使用系列

要使用系列创建DataFrame：

s_one = pd.Series([3,4], index=["a","b"])
s_two = pd.Series([5,6], index=["a","b"])
df = pd.DataFrame({"A":s_one, "B":s_two})
df



   A  B
a  3  5
b  4  6

使用二维数组

我们可以传入 2D 列表或 2D NumPy 数组，如下所示：

df = pd.DataFrame([[3,4],[5,6]])
df



   0  1
0  3  4
1  5  6

请注意默认的行和列标签是整数索引。

使用常数

要使用单个常量初始化DataFrame，我们需要指定参数columns和index以定义DataFrame的形状：

pd.DataFrame(2, index=["a","b"], columns=["A","B","C"])



   A  B  C
a  2  2  2
b  2  2  2

指定列标签和索引

要显式设置列标签和索引(即行标签)：

df = pd.DataFrame([[3,4],[5,6]], columns=["A","B"], index=["a","b"])
df



   A  B
a  3  4
b  5  6

指定数据类型

要设置所有列类型的首选项：

df = pd.DataFrame([["3",4],["5",6]], dtype=float)
df



   0    1
0  3.0  4.0
1  5.0  6.0

请注意 "3" 如何转换为 float 。

请注意，即使类型转换不成功，也不会抛出错误。例如：

df = pd.DataFrame([["3@@@",4],["5",6]], dtype=float)
df



   0     1
0  3@@@  4.0
1  5     6.0

这里，列的数据类型如下：

df.dtypes



0     object
1    float64
dtype: object