20 - 创建DataFrame - 数据DataFrame

表格总结

本文一共有多中创建方法，分别是字典创建、随机创建、列表创建、从嵌套列表中创建df，其他方法可以参考本章上方导入数据9篇文章

1:字典创建 DataFrame

import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{'A':1,'B':2,}, {'A':3,'B':4,}])

2:随机创建 DataFrame

import numpy as np
import pandas as pd
dates=pd.date_range('2022-06-01',periods=6)
pd=pd.DataFrame(np.random.randn(6,4),index=dates,columns=['A','B','C','D'])

3:列表创建 DataFrame

import pandas as pd
df = pd.DataFrame({'sex': list('AABBCFD'), 'age': [11, 12, 13, 14, 15, 16, 17]})

4: 从嵌套列表中创建 DataFrame

df = pd.DataFrame([["11", "22", "33"], [44, 55, 66]], columns=["A", "B", "C"])
print(df)

5: 使用 Series 创建 DataFrame

• 描述：使用一个或多个 Series 对象创建 DataFrame。
• 代码：

  s1 = pd.Series([1, 2, 3], name='Column1')
  s2 = pd.Series(['a', 'b', 'c'], name='Column2')
  df = pd.DataFrame([s1, s2])
  print(df)

6: 从 NumPy 数组创建 DataFrame

• 描述：使用 NumPy 数组创建 DataFrame。

• 代码：

  import numpy as np
  data = np.array([[1, 'a'], [2, 'b'], [3, 'c']])
  df = pd.DataFrame(data, columns=['Column1', 'Column2'])
  print(df)

7: 创建具有缺失值的 DataFrame

• 描述：在创建 DataFrame 时包含缺失值。
• 代码：

  data = {'Column1': [1, None, 3], 'Column2': ['a', 'b', None]}
  df = pd.DataFrame(data)
  print(df)

8: 创建具有特定数据类型的 DataFrame

• 描述：指定列的数据类型来创建 DataFrame。
• 代码：

  data = {'Column1': [1, 2, 3], 'Column2': ['a', 'b', 'c']}
  df = pd.DataFrame(data, dtype={'Column1': 'int32', 'Column2': 'category'})
  print(df)

9: 创建具有索引的 DataFrame

• 描述：为 DataFrame 设置特定的索引。
• 代码：

  data = {'Column1': [1, 2, 3], 'Column2': ['a', 'b', 'c']}
  index = ['row1', 'row2', 'row3']
  df = pd.DataFrame(data, index=index)
  print(df)

10: 创建多索引 DataFrame

• 描述：使用多个索引级别来创建 DataFrame。
• 代码：

  data = {'Column1': [1, 2, 3], 'Column2': ['a', 'b', 'c']}
  indexes = [pd.Index(['row1', 'row2', 'row3'], name='RowIndex'),
             pd.Index(['level1', 'level1', 'level2'], name='LevelIndex')]
  df = pd.DataFrame(data, index=indexes)
  print(df)

11: 创建时间序列 DataFrame

• 描述：创建一个带有日期时间索引的 DataFrame。
• 代码：

  data = {'Column1': [1, 2, 3]}
  index = pd.to_datetime(['2024-01-01', '2024-01-02', '2024-01-03'])
  df = pd.DataFrame(data, index=index)
  print(df)

12: 创建从函数生成数据的 DataFrame

• 描述：使用函数生成的数据来创建 DataFrame。

• 代码：

  index = range(3)
  def gen_data(x):
      return x * 2
  df = pd.DataFrame({'Column1': [gen_data(x) for x in index]})
  print(df)

13: mongodb创建、Redis创建

还有很多创建情况，一般都可以直接创建

data = mongo/redis查语句
df = pd.DataFrame(data = data)