1、利用字典生成DataFrame

① 第一種方式：列表組成的字典

stu?=?{
???????"name":["張三","李四","王燕"],
???????"age":[18,20,22],
???????"sex":["男","男","女"]
}
df?=?pd.DataFrame(stu)
display(df)

結果如下：

② 第二種方式：上述方式的一般形式

person?=?{
??????????"name":"Tom",
??????????"age":20,
??????????"subject":["Python","Java","Excel"]
}
df?=?pd.DataFrame(person)
display(df)

結果如下：

③ 列表組成的列表

x?=?[[1,2,3,4],[5,6,7,8],[9,10,11,12]]
df?=?pd.DataFrame(data)
display(df)

結果如下：

④ 字典組成的列表

data?=?[
????????{"one":1,"two":2},
????????{"one":5,"two":10,"three":15}
]
df?=?pd.DataFrame(data)
display(df)

結果如下：

⑤ 字典組成的字典

data?=?{
????"張三":{"Java":90,?"Python":89,?"Hive":78},
????"李四":{"Java":82,?"Python":95,?"Hive":96},
????"王五":{"Java":85,?"Python":94}
}
df?=?pd.DataFrame(data)
display(df)


data?=?{
????"Java":{"張三":90,"李四":82,"王五":85},
????"Python":{"張三":89,"李四":95,"王五":94},
????"Hive":{"張三":78,"李四":96}
}
df?=?pd.DataFrame(data)
display(df)

結果如下：注意：對于上述兩個DataFrame，我們直接可以使用data.T進行DataFrame行、列之間的轉換。

⑥ 由Series或ndarray組成的字典

data?=?{
????"Java":pd.Series(np.random.randint(70,100,5)),
????"Python":np.random.randint(80,100,5)
}
df?=?pd.DataFrame(data)
display(df)

結果如下：

2、自定義列、索引、數據生成DataFrame

column?=?["Python","Java","Excel"]
dates?=?pd.date_range("20200202",periods=5)
df?=?pd.DataFrame(np.random.randint(low=70,high=100,size=(5,3)),
??????????????????index=dates,columns=column)
display(df)

結果如下：注意：這里有兩個知識點需要掌握，一個是pd.date_range()，一個np.random.randint()，知道怎么用就行了，詳細說明請自行百度。

3、利用二維數組生成DataFrame(常用)

x?=?np.arange(1,21).reshape(4,5)
index?=?list("abcde")
df?=?pd.DataFrame(x,index=index)
display(df)

結果如下：

4、將不同的列表轉化為tuple，生成DataFrame

movie?=?["戰狼2","哪吒之魔童降世","流浪地球","紅海行動"]
piapofang?=?[str(x)+"億"?for?x?in?[56.39,49.34,46.18,36.22]]
list_to_tuple?=?list(zip(movie,piaofang))

df?=?pd.DataFrame(list_to_tuple,columns=["movies","piaofang"])
display(df)

結果如下：

5、通過讀取sql,csv,excel等文件生成DataFrame

以后工作中都是利用已有的文件，進行數據分析。

最好的方式就是將文件讀取成DataFrame方式，然后利用各種方式進行數據處理。

由于文件格式眾多，這里不細說，你需要讀取哪一種文件，就自行百度學習一下，即可。

總結

以上是生活随笔為你收集整理的data.frame 转化为数值型_DataFrame(3)：DataFrame的创建方式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。