创建 Pandas DataFrame 的不同方法

---

Pandas 是 Python 中用于执行数据分析和数据操作的库之一。数据可以在 Pandas 中以两种方式创建，一种是 DataFrame，另一种是 Series。

DataFrame 是 Python 中的二维带标签数据结构。它用于数据操作和数据分析。它接受不同的数据类型，例如整数、浮点数、字符串等。列的标签是唯一的，而行则用唯一的索引值标记，这有助于访问定义的行。

DataFrame 用于机器学习任务，允许用户操作和分析大型数据集。它支持诸如过滤、排序、合并、分组和转换数据等操作。

以下是创建 Pandas DataFrame 的不同方法。让我们一一来看。

从 NumPy 数组创建

我们可以使用 Pandas 库的 DataFrame() 函数从 NumPy 数组创建 DataFrame。以下是从 NumPy 数组创建 Pandas DataFrame 的语法。

pandas.DataFrame(array)

其中，

• pandas 是库的名称

• DataFrame 是函数

• array 是 NumPy 数组

示例

在这个例子中，我们将 NumPy 数组作为输入参数传递给 DataFrame 函数，以及列名，然后数组将被转换为 DataFrame。

import pandas as pd
import numpy as np
arr = np.array([[20,30,40],[70,80,40]])
data = pd.DataFrame(arr, columns= ['a1', 'a2', 'a3'])
print(data.head())

输出

a1   a2   a3
0    20   30  40
1    70   80  40

从字典创建

可以通过将字典作为输入参数传递给 Pandas 库的 DataFrame() 函数，从字典创建 DataFrame。以下是从字典创建 Pandas DataFrame 的语法。

pandas.DataFrame(dictionary)

示例

在这个例子中，我们将字典作为输入参数传递给 Pandas 库的 DataFrame() 函数，然后字典将被转换为 DataFrame。

import pandas as pd
import numpy as np
dic = {'b': [2,3], 'c': [3,5], 'a': [1,6]}
data = pd.DataFrame(dic)
data.head()

输出

b  c  a
0  2  3  1
1  3  5  6

从 CSV 文件创建

我们可以从 CSV 文件的数据创建 DataFrame。在 Pandas 库中，我们有一个名为 read_csv() 的函数来读取 CSV 文件数据。以下是从 CSV 文件创建 DataFrame 的语法。

pandas.read_csv(csv_file)

示例

在这个例子中，我们将使用 read_csv() 函数从 CSV 文件数据创建 Pandas DataFrame。以下代码供参考。

import pandas as pd
data=pd.read_csv("https://raw.githubusercontent.com/Opensourcefordatascience/Data-sets/master/blood_pressure.csv")
print(data.head(20))

输出

    patient   sex agegrp  bp_before  bp_after
0         1  Male  30-45        143       153
1         2  Male  30-45        163       170
2         3  Male  30-45        153       168
3         4  Male  30-45        153       142
4         5  Male  30-45        146       141
5         6  Male  30-45        150       147
6         7  Male  30-45        148       133
7         8  Male  30-45        153       141
8         9  Male  30-45        153       131
9        10  Male  30-45        158       125
10       11  Male  30-45        149       164
11       12  Male  30-45        173       159
12       13  Male  30-45        165       135
13       14  Male  30-45        145       159
14       15  Male  30-45        143       153
15       16  Male  30-45        152       126
16       17  Male  30-45        141       162
17       18  Male  30-45        176       134
18       19  Male  30-45        143       136
19       20  Male  30-45        162       150