3. pandas笔记之：创建

news2025/4/25 10:24:54

以下是 Pandas 主要数据结构的创建方式整理，涵盖 Series 和 DataFrame 的常见创建方法：

一、Series 创建方式

从列表/数组创建

import pandas as pd
import numpy as np

# 基础列表
s1 = pd.Series([1, 3, 5, np.nan, 6])

# 指定索引
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

# 从 NumPy 数组
arr = np.array([2, 4, 6])
s3 = pd.Series(arr)

从字典创建

data = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(data)  # 字典键自动作为索引

标量值创建

s = pd.Series(5, index=[0, 1, 2, 3])  # 所有值为5

二、DataFrame 创建方式

从字典创建

# 列式字典
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 28],
    'Score': [92.5, 85.0, 88.5]
}
df1 = pd.DataFrame(data)

# 指定索引
df2 = pd.DataFrame(data, index=['a', 'b', 'c'])

从列表的列表创建

data = [
    ['Alice', 25, 92.5],
    ['Bob', 30, 85.0],
    ['Charlie', 28, 88.5]
]
df = pd.DataFrame(data, columns=['Name', 'Age', 'Score'])

从嵌套字典创建

data = {
    '2020': {'A': 100, 'B': 200},
    '2021': {'A': 110, 'C': 210}
}
df = pd.DataFrame(data)  # 外层字典键为列名，内层键为索引

从 NumPy 数组创建

arr = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])
df = pd.DataFrame(arr, columns=['X', 'Y', 'Z'])

从结构化数组创建

dtype = [('Name', 'U10'), ('Age', 'i4'), ('Score', 'f4')]
data = np.array([
    ('Alice', 25, 92.5),
    ('Bob', 30, 85.0)
], dtype=dtype)
df = pd.DataFrame(data)

从文件/外部数据源创建

# 从 CSV
df_csv = pd.read_csv('data.csv')

# 从 Excel
df_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 从 SQL 数据库
import sqlite3
conn = sqlite3.connect('database.db')
df_sql = pd.read_sql('SELECT * FROM table', conn)

三、特殊创建方式

时间序列索引

dates = pd.date_range('20230101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=['A','B','C','D'])

随机数据生成

df = pd.DataFrame(np.random.rand(3,4))  # 均匀分布
df = pd.DataFrame(np.random.randn(3,4)) # 正态分布

从其他数据结构转换

# 从 Series 字典
s_dict = {
    'A': pd.Series([1, 2, 3]),
    'B': pd.Series([4, 5, 6, 7])
}
df = pd.DataFrame(s_dict)

四、高级创建技巧

指定数据类型

df = pd.DataFrame(
    data = {'A': [1, 2], 'B': ['X', 'Y']},
    dtype = {'A': 'float32', 'B': 'category'}
)

混合类型创建

df = pd.DataFrame({
    'IntCol': [1, 2, 3],
    'FloatCol': [1.1, 2.2, 3.3],
    'StrCol': ['A', 'B', 'C'],
    'DateCol': pd.date_range('20200101', periods=3)
})

空 DataFrame 创建

empty_df = pd.DataFrame(columns=['A', 'B', 'C'])

五、创建方式对比

方式	适用场景	优点	注意事项
字典创建	列式数据组织	直观易读	各列长度必须一致
列表的列表创建	行式数据输入	适合小规模数据	需配合columns参数
NumPy数组创建	数值型数据处理	高性能	需手动添加列名
文件读取	大数据集加载	支持多种格式	注意编码和内存管理
时间序列创建	金融/时序数据分析	内置时间处理功能	索引需排序
空DataFrame创建	动态构建数据结构	灵活填充数据	需后续维护列结构一致性