博客

pandas通过字典生成dataframe的方法步骤

  • Post category:Python

生成Pandas DataFrame有很多种方法，其中一种是通过 Python 字典的方式来生成，可以使用 dict 声明一个字典，字典的 key 就是 DataFrame 的列名，而 key 对应的 value 则是该列的数据。

以下是 Pandas 通过字典生成 DataFrame 的步骤：

  1. 引入 Pandas 模块：

python
import pandas as pd

  1. 创建一个字典，key 为列名，value 为该列的数据：

python
data = {'name': ['John', 'Jane', 'Mike', 'Lisa'], 'age': [25, 30, 28, 27], 'city': ['New York', 'Paris', 'Tokyo', 'London']}

  1. 将字典转化为 DataFrame：

python
df = pd.DataFrame(data)

通过上述三个步骤，就可以成功生成一个包含三列数据的 DataFrame，其中列名和数据分别为：

name age city
0 John 25 New York
1 Jane 30 Paris
2 Mike 28 Tokyo
3 Lisa 27 London

以下是更加详细的示例说明：

  1. 示例1：生成不同数据格式的DataFrame

python
data = {'name': ['John', 'Jane', 'Mike', 'Lisa'],
'age': [25, 30, 28, 27],
'height': [1.80, 1.65, 1.75, 1.68],
'gender': ['M', 'F', 'M', 'F']}
df = pd.DataFrame(data)
print(df)

输出:

name age height gender
0 John 25 1.80 M
1 Jane 30 1.65 F
2 Mike 28 1.75 M
3 Lisa 27 1.68 F

可以看到这个示例中的数据字典有四个 key 分别对应姓名、年龄、身高和性别信息，对应的 value 列表分别是字符串、整数、浮点数和字符串。这里同一个 DataFrame 中列可以有不同的数据类型。

  1. 示例2：加深对汇总统计函数的理解

python
sales = {'fruit': ['apple', 'orange', 'banana', 'apple', 'apple', 'banana', 'orange', 'banana', 'orange', 'apple', 'orange', 'banana'],
'Retailer': ['Walmart', 'Walmart', 'Walmart', 'Target', 'Target', 'Target', 'Kroger', 'Kroger', 'Kroger', 'Publix', 'Publix', 'Publix'],
'quantity': [1, 2, 3, 5, 1, 2, 4, 6, 10, 3, 8, 12],
'price': [0.50, 0.75, 0.25, 0.60, 0.65, 0.70, 0.50, 0.80, 0.75, 0.60, 0.50, 0.40]}
df = pd.DataFrame(sales)
print(df.groupby(['Retailer'])['quantity', 'price'].sum())

输出：

quantity price
Kroger 20 2.05
Publix 23 1.5
Target 8 1.95
Walmart 6 1.5

这个示例中的数据字典描述了水果的销售量，销售商和单价信息，然后使用 groupby() 函数，对销售商进行分类汇总，统计销售量和销售额。该示例中的 DataFrame 并不是所有列的数据类型都是数值类型，但是通过规定需要汇总的列名，还是可以完成这个统计任务的。

Tags: ,