Pandas-DataFrame建造术：从奶茶店到数据工厂的奇幻之旅-CSDN博客

本文链接：https://blog.csdn.net/qq_41707090/article/details/147932785

关注不迷路，点赞走好运！！！

一、数据工厂的魔法原料

想象你经营着"代码の茶"奶茶连锁店🧋，每天面对这些数据挑战：

如何记录各分店的库存？  
怎样分析不同配料的销售趋势？  
能否自动生成采购清单？

DataFrame就是你的数据魔法手册，让我们看看如何用不同材料编织数据魔法！

二、字典编织法：奶茶配方的奥秘

2.1 基础配方：键值对应

import pandas as pd

奶茶原料魔法书
magic_recipe = {
    '原料': ['珍珠', '椰果', '布丁', '芋圆'],
    '库存(kg)': [50, 32, 20, 18],
    '单价(元)': [3.5, 2.8, 4.0, 3.2]
}

施展字典转换术
df_recipe = pd.DataFrame(magic_recipe)
print("🍹基础配方表：")
print(df_recipe)

输出结果：

   原料  库存(kg)  单价(元)
0  珍珠     50     3.5
1  椰果     32     2.8
2  布丁     20     4.0
3  芋圆     18     3.2

2.2 嵌套魔法：多层配方

分店销售嵌套字典
branch_sales = {
    '北京店': {'珍珠奶茶': 120, '椰果绿茶': 85},
    '上海店': {'布丁拿铁': 95, '芋圆奶盖': 110}
}

展开魔法卷轴
df_sales = pd.DataFrame(branch_sales)
print("\n🏙️分店销售矩阵：")
print(df_sales)

输出：

         北京店  上海店
珍珠奶茶   120    NaN
椰果绿茶    85    NaN
布丁拿铁   NaN    95
芋圆奶盖   NaN   110

三、列表拼接法：订单流水线的艺术

3.1 单层流水线

当日订单流水线
order_list = [
    ['20240513_001', '珍珠奶茶', 18],
    ['20240513_002', '椰果绿茶', 15],
    ['20240513_003', '布丁拿铁', 20]
]

组装数据生产线
df_orders = pd.DataFrame(order_list, 
                        columns=['订单号', '品名', '金额'])
print("\n📦当日订单表：")
print(df_orders)

3.2 多维魔方

周销售三维数据
weekly_data = [
    [['北京店', 120, 85], ['上海店', 95, 110]],
    [['北京店', 115, 90], ['上海店', 105, 118]]
]

魔方解构术
df_week = pd.DataFrame([item for sublist in weekly_data for item in sublist],
                      columns=['分店', '工作日', '周末'])
print("\n🗓️周销售魔方：")
print(df_week)

四、外部召唤术：数据异次元通道

4.1 CSV时空隧道

从CSV召唤历史数据
df_history = pd.read_csv('sales_history.csv', 
                        parse_dates=['日期'],
                        dtype={'分店': 'category'})
print("\n🕰️历史数据预览：")
print(df_history.head(3))

4.2 Excel魔法卷轴

读取Excel魔法书
with pd.ExcelFile('branch_data.xlsx') as excel:
    df_stock = pd.read_excel(excel, '库存表')
    df_staff = pd.read_excel(excel, '员工表')

print("\n📊库存表结构：")
print(df_stock.info())

五、避坑指南：数据工厂安全手册

常见事故	灾难现场	应急预案	原理剖析
列名失踪	KeyError报错	检查字典键名一致性	字典键对应列名
维度混乱	数据错位	确认列表结构对齐	行列数量匹配
编码幽灵	乱码现象	指定encoding参数	文件编码识别
类型错乱	计算异常	显式指定dtype	自动推断失效

六、终极奥义：智能建造系统

def 智能建造系统(数据源):
    if isinstance(数据源, dict):
        return pd.DataFrame(数据源)
    elif isinstance(数据源, list):
        return pd.DataFrame(数据源, columns=自动检测列名())
    elif isinstance(数据源, str):
        return 文件解析器(数据源)
    
    raise ValueError("未知的魔法材料！")

def 文件解析器(文件路径):
    扩展名 = 文件路径.split('.')[-1]
    return {
        'csv': pd.read_csv,
        'xlsx': pd.read_excel,
        'json': pd.read_json
    }[扩展名](文件路径)

print("\n🤖智能建造演示：")
print(智能建造系统('sales_data.xlsx').head(2))