pandas创建DataFrame的几种方式

pandas简介

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。本文重点对pandas的DataFrame创建的不同方式进行展示，并分析其使用场景。

pandas数据结构

1.DataFrame
DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。
2.Series
Series是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象。

DdtaFrame的创建

pandas在创建DataFrame的时候，除了通过内置方法pandas.read_csv()或者pandas.read_excel()直接读取.csv文件或者.excel文件进行创建外，还可以通过以下方式进行创建。
1.通过字典的方式创建

示例1：
import pandas as pd
df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9]})
df输出为：
   a  b  c
0  1  4  7
1  2  5  8
2  3  6  9

解释：通过该方法创建的DataFrame中，字典中的key为DataFrame中的columns，由于未指定行索引，其行索引默认为：RangeIndex(start=0, stop=3, step=1)，即输出结果中的第一列。

示例2：
import pandas as pd
df =pd.DataFrame({'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9]}, index=['h1', 'h2', 'h3'])
df输出为：
    a  b  c
h1  1  4  7
h2  2  5  8
h3  3  6  9

解释：通过该方法创建的DataFrame中，字典中的key为DataFrame中的columns，索引为指定的index。

2.通过Series的方式创建

示例1：
s1 = pd.Series([1, 2, 3, 4])
print(s1)
0    1
1    2
2    3
3    4
df = s1.to_frame()
df输出为：
   0
0  1
1  2
2  3
3  4

解释：Series.to_frame(name=None)，name产生维护相当于创建的DataFrame中的列明，由于Series本身只有一条数据，所以创建后的DataFrame只包含一列，由于本例为指定name，所以其df的列名默认为0。

示例1：
s1 = pd.Series([1, 2, 3, 4])
print(s1)
0    1
1    2
2    3
3    4
df = s1.to_frame(‘a’)
df输出为：
   a
0  1
1  2
2  3
3  4

解释：Series.to_frame(name=a)，name产生维护相当于创建的DataFrame中的列明，由于Series本身只有一条数据，所以创建后的DataFrame只包含一列，所以其df的列名默认为a。

2.通过索引赋值的方式创建
pandas中DataFrame包含行索引index及列索引columns，通过索引的方式创建DataFrame的思路为，先创建索引，然后通过索引进行赋值。

示例：
df = pd.DataFrame(index=['h1', 'h2', 'h3'], columns=['a', 'b', 'c'])
df['a']['h1'] = 1
df输出为:
      a    b    c
h1    1  NaN  NaN
h2  NaN  NaN  NaN
h3  NaN  NaN  NaN

解释：通过pd.DataFrame指定index和columns的方式创建DataFrame为一个空DataFrame，通过两级索引的方式进行赋值。

总结

pandas通过以上三种方式创建DataFrame的使用场景：
在生产环境中，如果遇到列表类型数据转DataFrame，通过字典方式指定列名可以方便创建DataFrame；
如果单条数据为Series类型，可以通过to_frame指定列名方式（name=‘列名’）进行创建；
如果需要事先定义列名及索引，可以通过pd.DataFrame(index=[], columns=[])的方式创建一个空DataFrame，然后根据两级索引对DataFrame中数据进行赋值。