data.frame 转化为数值型_DataFrame(3)：DataFrame的创建方式

1、利用字典生成DataFrame

① 第一种方式：列表组成的字典

stu={

"name":["张三","李四","王燕"],

"age":[18,20,22],

"sex":["男","男","女"]

}

df=pd.DataFrame(stu)

display(df)

结果如下：

② 第二种方式：上述方式的一般形式

person={

"name":"Tom",

"age":20,

"subject":["Python","Java","Excel"]

}

df=pd.DataFrame(person)

display(df)

结果如下：

③ 列表组成的列表

x=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]

df=pd.DataFrame(data)

display(df)

结果如下：

④ 字典组成的列表

data=[

{"one":1,"two":2},

{"one":5,"two":10,"three":15}

]

df=pd.DataFrame(data)

display(df)

结果如下：

⑤ 字典组成的字典

data={

"张三":{"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":{"张三":90,"李四":82,"王五":85},

"Python":{"张三":89,"李四":95,"王五":94},

"Hive":{"张三":78,"李四":96}

}

df=pd.DataFrame(data)

display(df)

结果如下：注意：对于上述两个DataFrame，我们直接可以使用data.T进行DataFrame行、列之间的转换。

⑥ 由Series或ndarray组成的字典

data={

"Java":pd.Series(np.random.randint(70,100,5)),

"Python":np.random.randint(80,100,5)

}

df=pd.DataFrame(data)

display(df)

结果如下：

2、自定义列、索引、数据生成DataFrame

column=["Python","Java","Excel"]

dates=pd.date_range("0202",periods=5)

df=pd.DataFrame(np.random.randint(low=70,high=100,size=(5,3)),

index=dates,columns=column)

display(df)

结果如下：注意：这里有两个知识点需要掌握，一个是pd.date_range()，一个np.random.randint()，知道怎么用就行了，详细说明请自行百度。

3、利用二维数组生成DataFrame(常用)

x=np.arange(1,21).reshape(4,5)

index=list("abcde")

df=pd.DataFrame(x,index=index)

display(df)

结果如下：

4、将不同的列表转化为tuple，生成DataFrame

movie=["战狼2","哪吒之魔童降世","流浪地球","红海行动"]

piapofang=[str(x)+"亿"forxin[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)

结果如下：

5、通过读取sql,csv,excel等文件生成DataFrame

以后工作中都是利用已有的文件，进行数据分析。

最好的方式就是将文件读取成DataFrame方式，然后利用各种方式进行数据处理。

由于文件格式众多，这里不细说，你需要读取哪一种文件，就自行百度学习一下，即可。