DataFrame数据创建
在上一篇文章中已经介绍过pandas中两种重要类型的数据结构:Series类型和DataFrame类型,以及详细讲解了如何创建Series的数据。
本文介绍的是如何创建DataFrame型数据,也是pandas中最常用的数据类型,必须掌握的,后续的所有连载文章几乎都是基于DataFrame数据的操作。
扩展阅读
1、Pandas开篇之作:Pandas中使用爆炸函数
2、Pandas系列第一篇:Series类型数据创建
导入库
pandas和numpy建议通过anaconda安装后使用;pymysql主要是python用来连接数据库,然后进行库表操作的第三方库,也需要先安装
1 | import numpy as np |
10种方式创建DataFrame数据
下面介绍的是通过不同的方式来创建DataFrame数据,所有方式最终使用的函数都是:pd.DataFrame()
创建空DataFrame
1、创建一个完全空的数据
创建一个空DataFrame数据,发现什么也没有输出;但是通过type()函数检查发现:数据是DataFrame类型
2、创建一个数值为NaN的数据
1 | df0 = pd.DataFrame( |
改变数据的行索引:
1 | df0 = pd.DataFrame( |
手动创建DataFrame
将每个列字段的数据通过列表的形式列出来
1 | df1 = pd.DataFrame({ |
读取本地文件创建
pandas可以通过读取本地的Excel、CSV、JSON等文件来创建DataFrame数据
1、读取CSV文件
比如曾经爬到的一份成都美食的数据,是CSV格式的:
1 | df2 = pd.read_csv("成都美食.csv") # 括号里面填写文件的路径:本文的文件在当然目录下 |
2、读取Excel文件
如果是Excel文件,也可以进行读取:
1 | df3 = pd.read_excel("成都美食.xlsx") |
3、读取json文件
比如本地当前目录下有一份json格式的数据:
通过pandas读取进来:
1 | df4 = pd.read_json("information.json") |
4、读取TXT文件
本地当前目录有一份TXT文件,如下图:
1 | df5 = pd.read_table("text.txt") |
上图中如果不指定任何参数:pandas会将第一行数据作为列字段(不是我们想要的结果),指定参数修改后的代码:
1 | df7 = pd.read_table( |
另外的一种解决方法就是:直接修改txt文件,在最上面加上我们想要的列字段属性:这样最上面的一行数据便会当做列字段
1 | 姓名 年龄 性别 出生地 |
读取数据库文件创建
1、先安装pymysql
本文中介绍的是通过pymysql库来操作数据库,然后将数据通过pandas读取进来,首先要先安装下pymysql库(假装你会了):
1 | pip install pymysql |
首先看下本地数据库中一个表中的数据:读取Student表中的全部数据
数据真实样子如下图:
2、建立连接
1 | connection = pymysql.connect( |
3、返回执行的结果
1 | data = [] |
4、创建成DataFrame数据
1 | df8 = pd.DataFrame(data,columns=["学号","姓名","出生年月","性别"]) # 指定每个列属性名称 |
使用python字典创建
1、包含列表的字典创建
1 | # 1、包含列表的字典 |
1 | df9 = pd.DataFrame(dic1,index=[0,1,2]) |
2、字典中嵌套字典进行创建
1 | # 嵌套字典的字典 |
创建结果为:
python列表创建
1、使用默认的行索引
1 | lst = ["小明","小红","小周","小孙"] |
可以对索引进行修改:
1 | lst = ["小明","小红","小周","小孙"] |
3、列表中嵌套列表
1 | # 嵌套列表形式 |
python元组创建
元组创建的方式和列表比较类似:可以是单层元组,也可以进行嵌套。
1、单层元组创建
1 | # 单层元组 |
2、元组的嵌套
1 | # 嵌套元组 |
使用Series数据创建
DataFrame 是将数个 Series 按列合并而成的二维数据结构,每一列单独取出来是一个 Series ,所以我们可以直接通过Series数据进行创建。
1 | series = {'水果':Series(['苹果','梨','草莓']), |
numpy数组创建
1、使用numpy中的函数进行创建
1 | # 1、使用numpy生成的数组 |
2、直接通过numpy数组创建
1 | # 2、numpy数组创建 |
1 | df17 = pd.DataFrame( |
3、使用numpy中的随机函数
1 | # 3、numpy中的随机函数生成 |
随机生成的40个分数:
通过numpy中的random模块的choice方法进行数据的随机生成:
1 | df18 = pd.DataFrame({ |
使用构建器创建from_dict
pandas中有一个和字典相关的构建器:DataFrame.from_dict
。
它接收字典组成的字典或数组序列字典,并生成 DataFrame。除了 orient
参数默认为 columns
,本构建器的操作与 DataFrame
构建器类似。把 orient
参数设置为 'index'
, 即可把字典的键作为行标签。
1 | df19 = pd.DataFrame.from_dict(dict([('姓名', ['小明', '小红', '小周']), |
还可以通过参数指定行索引和列字段名称:
1 | df20 = pd.DataFrame.from_dict(dict([('姓名', ['小明', '小红', '小周']), |
使用构建器from_records
pandas中还有另一个支持元组列表或结构数据类型(dtype
)的多维数组的构建器:from_records
1 | data3 = [{'身高': 173, '姓名': '张三','性别':'男'}, |
还可以传入列表中嵌套元组的结构型数据:
1 | data4 = [(173, '小明', '男'), |
剪贴版read_clipboard()创建DataFrame(补充)
这个方法是将我们剪贴板中的内容直接变成DataFrame型数据,不需要其他转换。
我们需要事先在表格中剪贴好数据,然后直接运行下面的代码:
现在剪贴板中进行剪切,然后在jupyter notebook中直接执行下面的语句
1 | df = pd.read_clipboard() |
运行完成之后便会生成相应的数据,假设Excel保存的是如下数据,通过剪贴板功能也能够生成DataFrame数据
总结
数据帧(DataFrame)是pandas中的二维数据结构,即数据以行和列的表格方式排列,类似于 Excel 、SQL 表,或 Series 对象构成的字典。它在pandas中是经常使用,本身就是多个Series类型数据的合并。
本文介绍了10种不同的方式创建DataFrame,最为常见的是通过读取文件的方式进行创建,然后对数据帧进行处理和分析。希望本文能够对读者朋友掌握数据帧DataFrame的创建有所帮助。
下一篇文章的预告:如何在DataFrame中查找满足我们需求的数据