Pandas_构建dataframe的多种方法

1. 使用字典构建

import pandas as pd

data = {
    'Column1': [1, 2, 3],
    'Column2': ['A', 'B', 'C']
}
df = pd.DataFrame(data)

2. 使用列表的列表构建

data = [
    [1, 'A'],
    [2, 'B'],
    [3, 'C']
]
df = pd.DataFrame(data, columns=['Column1', 'Column2'])

3. 使用NumPy数组构建

import numpy as np

data = np.array([
    [1, 'A'],
    [2, 'B'],
    [3, 'C']
])
df = pd.DataFrame(data, columns=['Column1', 'Column2'])

4. 使用Series对象构建

s1 = pd.Series([1, 2, 3], name='Column1')
s2 = pd.Series(['A', 'B', 'C'], name='Column2')
df = pd.DataFrame([s1, s2])

5. 使用从文件读取构建
   • 从CSV文件读取

df = pd.read_csv('path_to_file.csv')

• 从Excel文件读取

df = pd.read_excel('path_to_file.xlsx')

• 从SQL数据库读取

import sqlite3
conn = sqlite3.connect('path_to_db.db')
df = pd.read_sql_query('SELECT * FROM table_name', conn)

6. 使用pd.concat或pd.merge合并多个DataFrame

df1 = pd.DataFrame({'A': [1, 2, 3]})
df2 = pd.DataFrame({'B': [4, 5, 6]})
df = pd.concat([df1, df2], axis=1)

7. 使用pd.DataFrame.from_records

records = [
    (1, 'A'),
    (2, 'B'),
    (3, 'C')
]
df = pd.DataFrame.from_records(records, columns=['Column1', 'Column2'])

8. 使用pd.DataFrame.from_dict构建

• 将字典的值作为列

data = {
    'Column1': [1, 2, 3],
    'Column2': ['A', 'B', 'C']
}
df = pd.DataFrame.from_dict(data)

• 将字典的键作为列

data = {
    'Row1': [1, 'A'],
    'Row2': [2, 'B'],
    'Row3': [3, 'C']
}
df = pd.DataFrame.from_dict(data, orient='index')

9. 使用pd.DataFrame.from_items

items = [
    ('Column1', [1, 2, 3]),
    ('Column2', ['A', 'B', 'C'])
]
df = pd.DataFrame.from_items(items)

10. 使用pd.DataFrame的构造函数

df = pd.DataFrame(index=[0, 1, 2], columns=['Column1', 'Column2'])
df.loc[0] = [1, 'A']
df.loc[1] = [2, 'B']
df.loc[2] = [3, 'C']