pandas的DataFrame如何定义？定义DataFrame的几种方式

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

继续说说科学计算类库pandas的使用方式，大家都已经知道：pandas的数据构成是：dataframe和series。对比excel的话，dataframe就像是一张表，series就像是一列数据。那么，一个dataframe是如何定义的呢？这就是本文中要讨论的问题。

大家好，这里是苏南大叔的“程序如此灵动”博客，这里讲述苏南大叔和计算机代码之间的故事。本文描述pandas的dataframe的定义方式。测试环境：python@3.6.8，pandas@1.1.5。

定义方式一（以每列数据为主要视角）

这种定义方式，把每列的名称写在了数据前面，比较直观。

from pandas import Series, DataFrame
data = DataFrame({
    'name' : ['虎子','老许','二赖子','老白','小黑'],
    'age'  : [5,3,6,8,10],
    'class': ["dog","bird","fish","catty","puppy"]
})

或者

import pandas as pd
data = pd.DataFrame({
    'name' : ['虎子','老许','二赖子','老白','小黑'],
    'age'  : [5,3,6,8,10],
    'class': ["dog","bird","fish","catty","puppy"]
})

这种pd.DataFrame({:[]})的方式，其实可以理解为一个强制类型转换，{:[]}是个dict类型，而其中的[]又是个list类型。可以参考下面的定义方式：

import pandas as pd
_dict = {
    'name' : ['虎子','老许','二赖子','老白','小黑'],
    "label": list("54321"),
}
df = pd.DataFrame(_dict)

这个时候，如果要定义index的话（columns被隐式的定义了），也是可以的：

import pandas as pd
data = pd.DataFrame({
        'name' : ['虎子','老许','二赖子','老白','小黑'],
        'age'  : [5,3,6,8,10],
        'class': ["dog","bird","fish","catty","puppy"]
    },
    index=list("abcbe")
)

定义方式二（以每行数据为主要视角）【推荐】

这种定义方式，使人们更聚焦于每行数据，而不是每列数据。

from pandas import Series, DataFrame
df = DataFrame([
        ('虎子', 5, "dog"),
        ('老许', 3, "bird"),
        ('二赖子', 6, "fish"),
        ('老白', 8, "catty"),
        ('小黑', 10, "puppy"),
    ],
    columns = ('name', 'age', 'class')
)

实际上也可以定义index索引名字，而不是默认的0,1,2...等。

from pandas import Series, DataFrame
df = DataFrame([
        ('虎子', 5, "dog"),
        ('老许', 3, "bird"),
        ('二赖子', 6, "fish"),
        ('老白', 8, "catty"),
        ('小黑', 10, "puppy"),
    ],
    index = ["a1", "a2", "a3", "a4", "a5"],
    columns = ('name', 'age', 'class')
)

值得注意的是：index和columns后面传递的实参，可以是个tuple，也可以是个list。所以下面的定义也是可以的：

其实就是[]和()的变化！！！！！！！

from pandas import DataFrame
df = DataFrame([
        ('虎子', 5, "dog"),
        ('老许', 3, "bird"),
        ('二赖子', 6, "fish"),
        ('老白', 8, "catty"),
        ('小黑', 10, "puppy"),
    ],
    index = ["a1", "a2", "a3", "a4", "a5"],
    columns = ['name', 'age', 'class']
)
print(df)

import pandas as pd
df = pd.DataFrame([
        ('虎子', 5, "dog"),
        ('老许', 3, "bird"),
        ('二赖子', 6, "fish"),
        ('老白', 8, "catty"),
        ('小黑', 10, "puppy"),
    ],
    index = ("a1", "a2", "a3", "a4", "a5"),
    columns = ('name', 'age', 'class')
)
print(df)

实际上这里省略了一个参数data=，比如：

import pandas as pd
df = pd.DataFrame( data = [
        ('虎子', 5, "dog"),
        ('老许', 3, "bird"),
        ('二赖子', 6, "fish"),
        ('老白', 8, "catty"),
        ('小黑', 10, "puppy"),
    ],
    index = ("a1", "a2", "a3", "a4", "a5"),
    columns = ('name', 'age', 'class')
)
print(df)

定义方式三

其实这种方式最好理解：

import pandas as pd
df = pd.DataFrame([
        ["虎子", 5, "dog"],
        ["老许", 3, "bird"],
        ["二赖子", 6, "fish"],
        ["老白", 8, "catty"],
        ["小黑", 10, "puppy"],
    ]
)
print(df)

输出：

     0   1      2
0   虎子   5    dog
1   老许   3   bird
2  二赖子   6   fish
3   老白   8  catty
4   小黑  10  puppy

可以继续设置列名行名：

df.index = ["a1", "a2", "a3", "a4", "a5"]
df.columns = ["name", "age", "class"]

输出：

   name  age  class
a1   虎子    5    dog
a2   老许    3   bird
a3  二赖子    6   fish
a4   老白    8  catty
a5   小黑   10  puppy

代码的整体结果相当于：

import pandas as pd
df = pd.DataFrame([
        ["虎子", 5, "dog"],
        ["老许", 3, "bird"],
        ["二赖子", 6, "fish"],
        ["老白", 8, "catty"],
        ["小黑", 10, "puppy"],
    ],
    index = ["a1", "a2", "a3", "a4", "a5"],
    columns = ["name", "age", "class"]
)
print(df)

定义方式四

import pandas as pd
a = ['cat', 'dog'] * 2
df1 = pd.DataFrame({'pet': a})
print(df1)
'''
  name
0  cat
1  dog
2  cat
3  dog
'''

关于[]和()

从实际效果上来看，就定义dataframe这件事情上来说，[]和()没有太大区别。

import pandas as pd
df = pd.DataFrame( data = [
        ['虎子', 5, "dog"],
        ['老许', 3, "bird"],
        ['二赖子', 6, "fish"],
        ['老白', 8, "catty"],
        ['小黑', 10, "puppy"],
    ],
    index = ["a1", "a2", "a3", "a4", "a5"],
    columns = ['name', 'age', 'class']
)
print(df)

依然可以正确执行。

参考文献

• https://newsn.net/say/python-pandas.html
• https://newsn.net/say/pandas-series-map.html

总结

这几种方式，定义出来的数据是一样的结果。个人更加喜欢第二种定义方式，认为其更加直观一些。

本文还可以得出另外一个结论，list/[]和tuple/()在很多情况下，都是一样一样的使用。tuple是list的冷冻版本（不可修改不可排序）。

更多pandas的使用方式，请参考：

• https://newsn.net/tag/pandas/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。