pandas是python的資料分析利器，dataframe是pandas進行資料分析的基本結構，可以把dataframe視為乙個二維資料表，每一行都表示乙個資料記錄。本文將介紹建立pandas dataframe的6種方法。
建立pandas資料幀的六種方法如下：
學程式設計，上匯智網首先我們看一下如何建立乙個空的dataframe（資料幀）：
pd.dataframe(columns=['a', 'b', 'c'], index=[0,1,2])嗯，所有資料項都是nan。
接下來讓我們看看如何使用pd.dataframe手工建立乙個pandas資料幀：
使用data引數來宣告資料，結果看起來是這樣：
由於我們沒有定義資料幀的列名，因此pandas預設使用序號作為列名。和原來一樣，可以使用columns引數來宣告列名：
columns=['fruits'])
結果如下：
最左側的列被稱為索引，預設從0開始，和原來一樣我們用index自行定義：
index = [1,2,3,4,5],
columns=['fruits'])
現在的資料幀看起來是這樣：
那麼如果要新增乙個quantity列來表示水果數量該怎麼做？
['banana',10],
['cherry',8],
['dates',3],
['eggfruit',7]],
columns = ['fruits','quantity'],
index=[1,2,3,4,5])
注意data引數和colums引數都進行了相應的調整。現在的dataframe這樣：
學程式設計，上匯智網假設我們有乙個列表：
要把列表轉換為dataframe，直接將列表傳入pd.dataframe即可：
pd.dataframe(fruits_list)當然你可以用columns引數來定義列名，或者用index來宣告行號：
pd.dataframe(fruits_list,
columns = ['fruits'],
index = ['a','b','c','d','e'])
字典就是一組鍵/值對：
dict =容易注意到，欄位的鍵對應成為dataframe的列，而所有的值對應資料。
記住這個對應關係。
現在假設我們要建立乙個如下形狀的dataframe：
由於列名為fruits、quantity和color，因此對應的字典也應當
有這幾個鍵，而每一行的值則對應字典中的鍵值，字典應該是
如下的結構：
'quantity': [5, 10, 8, 3, 7],
'color': ['red', 'yellow', 'red', 'brown', 'yellow']}
現在讓我們將這個字典轉換為dataframe，一句話的事兒：
pd.dataframe(fruits_dict)那麼可以使用下面的**將其轉換為pandas dataframe：
fruits = pd.read_excel('fruits.xlsx')假設你有乙個csv檔案，例如「fruits.csv「，可以使用如下的**
將其轉換為dataframe：
fruits = pd.read_csv('fruits.csv')Pandas DataFrame用法總結
1 將某一列滿足條件的資料的所在行提取出來 df ori pd.read excel f ivf data data add yuejing time data arrange no null23.xlsx df new df ori df ori.iloc 2 0.6 將某一列滿足條件 0.6 的...
Pandas DataFrame常用方法
1 獲取列名 1.1.鍊錶推導式 語法 col for col in df 返回結果 cvr1 cvr2 cvr3 cvr4 結果型別 list 1.2.通過columns屬性 columns屬性返回index，columns.values屬性返回 numpy.ndarray，可通過 tolist ...
Pandas DataFrame 按行構建
當我們從複雜 提取出逐個樣本的特徵時，繼而構成一條樣本並組成訓練或測試集時，比較容易想到的一點就是一行一行地構建dataframe。而pandas.dataframe 容許的輸入有numpy ndarray structured or homogeneous dict,or dataframe這些 ...