微信大众号：尤而小屋
作者：Peter
修改：Peter
DataFrame数据创立
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类数组和链表的区别型和D数据库系统的中心是ataFrame类数据库技能型，以及具体解说了怎样创立Series的数据。
本文介绍的是怎样创立DataFrame型数据，也是数组初始化pandas中最常用的数据类型，必须把握的，后续的所有连载文章简直都是根据DataFrame数据的操作。
扩展阅览
1、Pan数据库系统工程师das开篇之作：Pandas中运用爆炸函数
2、Pandas系数组公式列榜首篇：Series类型数据创立
导入库
pandas和numpy主张经过anaconda设备后运用；pymysql主要是python用来联接数据库，然后进行库表操作的第苹果xs三方库，也数组指针需求先设备
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import pymysql # 设备：pijsonpp install pymysql
10种方法创立DataFrame数据
下面介绍的是经过不同的方法来创立DataFrame数据，所有方法究竟运用的函数都是：pd.DataFr数组和链表的区别ame()
创立空DataFrame
1、创立一个完全空的数python怎样读据
创立一个空DataFrame数据，发现什么也没有输出；可是经过type()函数据库办理系统数python培训班膏火一般多少检查发现：数据是DataFrame类型
2、创立一个数值为NaN的数据
df0 = pd.DataFrame(
columns=['A','B','C'], # 指定列特征
index=[0,1,2] #json格局 指定行索引
)
df0
改动数据的行索引：
df0 = pd.DataFrame(
columns=['A','B','C'],
index=[1,2,3] # 改动行索引：从1初步
)
df0
手动创立DataFrame
将每个列字段的数据经过列表的方法列出来
d苹果7f1 = pd.DataFrame({
"name":苹果8plus["小明","小红"数据库技能,"小侯","小周","苹果官网小孙"],
"sex":["男","女","女","男","男"],
"age":[20,19,28,27,24],
"class":[1,2,2,1,2]
})
df1
读取本地文件创立
pandas能够经过python能够自学吗读取本地的Excel、CSV、JSON等文件来创立DataFrame数据
1、读取CSV文件
比方从前爬到的一份成都美食的数据，是CSV格局的：
df2 = pd.read_csv("成都美食.csv") # 括号里边填写文件的途径：本文的jsonp文件在当然目录下
df2
2、读取Excel文件
假如是Excel文件，也能够进行读取：
df3 = pd.read_excel("成都美食.xlsx")
df数组词3.head() # 默许闪现前5行数据
3、读取json文件
比方本地当时目录下有一份json格局的数据：
经过pjson格局转化andas读取进来：
df4 = p苹果电影d.read_json("information.python123jsonPython")
df4
4、读取TXT文件
本地当时目录有一份TXT文数组c语言件，如下图：
df5 = pd.read_table("text.txt")
df5
上图中假如不指定任何参数：pandas会将榜首行数据作为列字段（不是咱们想要的作用），指定参数修改后的代码：
df7 = pd.read_table(
"text.txt", # 文件途径
names=["名字","年岁","性别JSON","省份"], # 指定列特征
sep=" " # 指定json格局怎样翻开分隔符：空格
)
df7
另外的一种解决方法便是：直接修改txt文件，在最上面加上咱们想要的列字段特征：这样最上面的一行数据便会作为列字段
名字 年岁 性别 出生地 小明 20 男 深圳 小红 19 女 广州 小孙 28 女 北京 小周 25 男 上海 小张 22 女 杭州
读python123渠道登录取数据库文件创立
1、先设备pymysql
本文中介绍的是经过pymysql库来操作数据库，然后将数据经过panpython是什么意思da数组去重方法s读取进来，首要要先设备下pymysql库（假装你会了）：
pip install pymysql
首要看下本json地数据库中一个表中的数据：读取Student表中的悉数数据
数据实在姿势如下图：
2、树立联接
connection = pymysql.connect(
host="IP数据库原理及应用地址",
port=端口号,
user="用户名",
pa苹果手机ssworjson格局怎样翻开d="密码",
charset="字符集",
db="库名"
)
cur = con数组指针nection.cujsonobjectrsor() # 树立游标
# 待实行的SQL句子
sql = """
select * from Stud数组去重ent
"""
# 实行SQL
cur.execute(sql)
3jsonp、回来实行的作用
data = []
for ijson文件是干什么的 in cur.fetchall():
data.appejson格局怎样翻开nd(i) # 将每条作用追加到列表中
data
4、创立成DataFrame数据
df8 = pd.Datapython能够做什么作业Fra数据库规划me(data,columns=["学号","名字","苹果8plus出生年月","性别"]) # 指定每个列特征称谓
df8
运用pyt数组的界说hon字典创立
1、包含列表的字典创立
# 1、包含列表的字典
dic1 = {"name":["苹果8小明","小红","小孙"],
"age":[20,18,27],
"sjson格局转化ex":["男数组初始化","女","数据库查询句子男"]
}
dic1
df9 = pd.DataFrame(dic1,indJSONex=[0,1,2]) df9
2、字典中嵌套字典进行创立
# 嵌套字典的字典
dic2 = {'数量':{'苹果':3,数组排序'梨':2,'草莓':5},
'价格json解析':{'苹果':10,'梨':9,'草莓':8},
'产地':{'苹果':'陕西','梨':'山东','草莓':'广东'}
}
dic2
# 作用
{'数量': {'苹果': 3, '梨': 2, '草莓': 5},
'价格': {'苹果': 10, '梨': 9, '草莓': 8},
'产地': {'苹果': '陕西', '梨': '山东', '草莓': '广东'}}
创立作用为：
python列表创立
1、运用默许的行索引
lst = ["小明","小红","小周","小孙"]
df10 = pd.DataFr数据库技能ame(lst,columns=["名字"])
df10
能够python能够自学吗对索引进行修改：
lst = ["小明","小红","小周","小孙"]
dfpython下载安装教程10 = pd.DataFrame(
lst,
column苹果12s=["名字"],jsonp跨域原理
index数据库=["a","b","c","d"] # 修改索引数组去重
)
df10
3、列数组词表中嵌套列表
# 嵌套列表方法
lst = [["小json格局怎样翻开明","20","男"],
["小红","23","女"],
["小周","19",python下载安装教程"男"],
["小孙","28","男"]
]
df11 = pd.DataFrame(lst,columns=["名字","年岁","性别"])
df11
pytjson文件是干什么的hon元组创立
元组创立的方法和列表比较类似：能够是单层元组，也能够进行嵌套。
1、单层元组创立
# 单层元组
tup = ("小明","小红","小周","小孙")
df12 = pd.DataFrame(tujson格局p,columns=["名字数据库系统的中心是"])
df12
2、元组的嵌套
# 嵌套元组
tup = (("小明","20","男"),
("小红","23","女"),
("小周","19"苹果官网,"男"),
("小孙","28","男")
)
df13 = pd.DataFrame(tup,colum数组排序ns=["名字","年岁","性别"])
df13
运用Series数据创立
DataFrame 是将数个 Series 按列吞并而成的二数据库系统的中心是维数据结构，每一列独自取出来是一个 Seri苹果es ，所以咱们能够直接经过Series数据进行创立。
series = {'生果':Series(['苹python能够自学吗果','梨','草莓']),
'数量':Series([60,50,100]),
'价格':Series([7,5,18])
}
df1jsonobject5 = pd.DataFrame(series)
df15
numpy数组创立
1、运用numpy中的函数进行创立
# 1、运用numpy生成的数组
data1 = {
"one":np.arange(4,10), # 产生6个数据
"two":range(数组词100,106),
"three":range(20,26)
}
df16 = pd.DataFrame(
data1,json解析
index=['A','B',json是什么意思'C'json格局怎样翻开,'D'数组去重,'E','F'] # 索引长度和数据长度相同
)
df16
2、直接经过数组c语言numpy数组创立
# 2、numpy数组创立
# reshape()函数改动数组的shape值
data2 = np.array(["小明","广州",175,"小红","深圳",165,"数组词小周","北京",170,"小孙","上海",180]).reshape(4,3)
data2
df17 = pd.DataFrame(
data2, # 传入数据
columns=["名字","数据库查询句子出生地","身高"], # 列特征
index=[0,1,2,3] #python怎样读 行索引
)
df17
3、运用numpy中的随机函数
# 3、numpy中的随机函数生成
# 创立名字、学科、学期、班级4个列表
name_list = ["小明","小红","小孙","小周","小张"]
subject_list = ["数组公式语文","数json格局转化学","英文","生物","物理","地理","化学","体育"]
semester_list = ["上","下"]
class_list = [1,2,3]
# 生成40个分数：在50-100之间
score_list = np.random.randint(50,100,数组指针40).tolist() # 50-100之间挑选40个数
随机生成的40个分数：
经过numpy中的random模块的choice方法进行数据的随机生成：
df18 = pd.Datpython怎样读aFrame({
"name": np.random.choice(name_list,40,replpython能够做什么作业ace=True), # replace=True标明抽python123取后放回（默许），所以存在相同值
"subject": np.random.choice(subject_list,40),
"semester": np.random.choice(semester_list,40),
"class":np.random.choicepython能够做什么作业(clasjson格局s_list,40),
"数组排序score": score_list
})
df18
运用构建器from_dict
pandas中有一个和字典相关的构建器：DataFrame.from_dict 。
它接纳数组词字典json格局组成的字典或数组序列字典，并python怎样读生成 DataFrame。除了 orient 参数默许为 columns，本构建器的数据库规划操作与 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。
df19 = pd.Da数组排序taFram数据库办理系统e.from_dict(dict([(json'名字', ['小明',jsonobject '小红', '小周']),
('身高', [178, 165, 196]),
('性别',['男','女','男']),
('出生地',['深圳','json格局转化上海','北京'])
])
)
df19
还能够经过参数指定行索引和列字段称谓：
df20 = pd.DataFrjsonpame.from_dicPythont(dict([('姓jsonp跨域原理名', ['小明', '小红', '小周']),
('身数据库技能高', [178, 165, 196]),
('性别',['男','女','男']),
('出生地',['深圳','上海','北京'])
]),
orient='i苹果12npython能够自学吗dex', # 将字典的键作为行索引
columns=['one', 'two', 'three'] # 指定数据库查询句子列字段称谓
)
df20
运用构建器from_records
pandas中还jsonp跨域原理有另一个支撑元组列表或结构数据类型（dtype）的多维数组python培训班膏火一般多少的构建器苹果手机：from_rjson格局怎样翻开ecords
data3 = [{'身高': 173, '名字': '张三','性别':'男'},
{'身高': 182, '名字': '李四','性别':'男'},
{'身高': 165, '名字': '王五','性别':'女'},
{'身高': 170, '名字': '小明','性别':'python123渠道登录女'}]
df21 = ppython123d.DataFrame.from_records(data3)
df21
还能够传入列表中嵌套元组的结构型数据：
data4 = [(173, '小明', '男'),
(182, '小红', '女'),
(161, '小周', '女'),
(170, '小强', '男')
]
df22 = pd.DataFrame.from_records(data4,
columns=['身高', '名字', '性别']
)
df22
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法排列python能够自学吗，相数据库系统似于 Excel 、SQL 表，或 Series 方针构成的字典。它在pandas中是常常运用，本身便是多个Series类型数据的吞并。
本文介绍了10种不同的方法创立DataFrame，数据库最为常见的是经过读取文件的方法进行创立，然后对数据帧进行处理和剖析。希望本文能够对读者朋友把握数据帧DataFrame的创立有所帮助。
下一篇文章的预告：怎样在DataFrame中查找满足咱们需求的数据？
评论(0)