标签：Java 方式 df 创建 DataFrame pd data display

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("20200202",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" for x in [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。

标签：Java,方式,df,创建,DataFrame,pd,data,display
来源： https://www.cnblogs.com/math98/p/13591327.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。