pandas DataFrame創建方法的方式

在pandas里，DataFrame是最經常用的數據結構，這里總結生成和添加數據的方法：

①、把其他格式的數據整理到DataFrame中；
②在已有的DataFrame中插入N列或者N行。

1. 字典類型讀取到DataFrame（dict to DataFrame）

假如我們在做實驗的時候得到的數據是dict類型，為了方便之后的數據統計和計算，我們想把它轉換為DataFrame，存在很多寫法，這里簡單介紹常用的幾種：

方法一：直接使用pd.DataFrame(data=test_dict)即可,括號中的data=寫不寫都可以，具體如下：

test_dict = {'id':[1,2,3,4,5,6],'name':['Alice','Bob','Cindy','Eric','Helen','Grace '],'math':[90,89,99,78,97,93],'english':[89,94,80,94,94,90]}
#[1].直接寫入參數test_dict
test_dict_df = pd.DataFrame(test_dict)
#[2].字典型賦值
test_dict_df = pd.DataFrame(data=test_dict)

那么，我們就得到了一個DataFrame，如下：

應該就是這個樣子了。

方法二：使用from_dict方法：

test_dict_df = pd.DataFrame.from_dict(test_dict)

結果是一樣的，不再重復貼圖。

其他方法：如果你的dict變量很小，例如{'id':1,'name':'Alice'},你想直接寫到括號里：

test_dict_df = pd.DataFrame({'id':1,'name':'Alice'}) # wrong style

這樣是不行的，會報錯ValueError: If using all scalar values, you must pass an index,是因為如果你提供的是一個標量，必須還得提供一個索引Index，所以你可以這么寫：

test_dict_df = pd.DataFrame({'id':1,'name':'Alice'},pd.Index(range(1)))

后面的可以寫多個pd.Index(range(3)，就會生成三行一樣的，是因為前面的dict型變量只有一組值，如果有多個，后面的Index必須跟前面的數據組數一致，否則會報錯：

pd.DataFrame({'id':[1,2],'name':['Alice','Bob']},pd.Index(range(2))) #must be 2 in range function.

關于選擇列，有些時候我們只需要選擇dict中部分的鍵當做DataFrame的列，那么我們可以使用columns參數，例如我們只選擇'id'，'name'列：

test_dict_df = pd.DataFrame(data=test_dict,columns=['id','name']) #only choose 'id' and 'name' columns

這里就不在多寫了，后續變更顏色添加內容。

2. csv文件構建DataFrame（csv to DataFrame）

我們實驗的時候數據一般比較大，而csv文件是文本格式的數據，占用更少的存儲，所以一般數據來源是csv文件，從csv文件中如何構建DataFrame呢？ txt文件一般也能用這種方法。

方法一：最常用的應該就是pd.read_csv('filename.csv')了，用 sep指定數據的分割方式，默認的是','

df = pd.read_csv('./xxx.csv')

如果csv中沒有表頭，就要加入head參數

3. 在已有的DataFrame中，增加N列或者N行

加入我們已經有了一個DataFrame，如下圖:

3.1 添加列

此時我們又有一門新的課physics，我們需要為每個人添加這門課的分數，按照Index的順序，我們可以使用insert方法，如下：

new_columns = [92,94,89,77,87,91]
test_dict_df.insert(2,'pyhsics',new_columns)
#test_dict_df.insert(2,'pyhsics',new_columns,allow_duplicates=True)

此時，就得到了添加好的DataFrame，需要注意的是DataFrame默認不允許添加重復的列，但是在insert函數中有參數allow_duplicates=True，設置為True后，就可以添加重復的列了，列名也是重復的：

3.2 添加行

此時我們又來了一位新的同學Iric，需要在DataFrame中添加這個同學的信息，我們可以使用loc方法：

new_line = [7,'Iric',99]
test_dict_df.loc[6]= new_line

但是十分注意的是，這樣實際是改的操作，如果loc[index]中的index已經存在，則新的值會覆蓋之前的值。

當然也可以把這些新的數據構建為一個新的DataFrame，然后兩個DataFrame拼起來。可以用append方法，不過不太會用，提供一種方法：

test_dict_df.append(pd.DataFrame([new_line],columns=['id','name','physics']))

本想一口氣把CURD全寫完，沒想到寫到這里就好累。。。其他后續新開篇章在寫吧。

相關代碼：（https://github.com/dataSnail/blogCode/blob/master/python_curd/python_curd_create.ipynb）（在DataFrame中刪除N列或者N行）（在DataFrame中查詢某N列或者某N行）（在DataFrame中修改數據）

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。