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。
