脚本专栏 
首页 > 脚本专栏 > 浏览文章

pandas通过字典生成dataframe的方法步骤

(编辑:jimmy 日期: 2025/3/11 浏览:3 次 )

1、将一个字典输入:

该字典必须满足:value是一个list类型的元素,且每一个key对应的value长度都相同:

(以该字典的key为columns)

> import pandas as pd
> a = [1,2,3,4,5]
> b = ["a","b","c"]
> c = 1
> df = pd.DataFrame({"A":a,"B":b,"C":c})
Traceback (most recent call last):
ValueError: arrays must all be same length
> df = pd.DataFrame([a,b]) # 作为list输入,list的元素必须也是list,加入c就错误
> df
  0 1 2  3  4
0 1 2 3 4.0 5.0
1 a b c NaN NaN

# 统一一下字典每个元素值的长度
> b = ["a","b","c","d","e"]
> c = ("232","sdf","345","asd",1)
> df = pd.DataFrame({"A":a,"B":b,"C":c})
> df
  A B  C
0 1 a 232
1 2 b sdf
2 3 c 345
3 4 d asd
4 5 e  1

2、将多个key相同的字典列输入:

输入为一个list,该list各个元素为dict,且key可以不同(以含最多的key的字典的key为columns):

> d1 = {"A":1,"B":2,"C":3}
> d2 = {"A":"a","B":"b",}
> d3 = {"A":(1,2),"B":"ab","C":3}
> li = [d1,d2,d3]
> df = pd.DataFrame(li)
> df
    A  B  C
0    1  2 3.0
1    a  b NaN
2 (1, 2) ab 3.0

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

上一篇:Django 开发调试工具 Django-debug-toolbar使用详解
下一篇:Pandas分组与排序的实现
一句话新闻
一文看懂荣耀MagicBook Pro 16
荣耀猎人回归!七大亮点看懂不只是轻薄本,更是游戏本的MagicBook Pro 16.
人们对于笔记本电脑有一个固有印象:要么轻薄但性能一般,要么性能强劲但笨重臃肿。然而,今年荣耀新推出的MagicBook Pro 16刷新了人们的认知——发布会上,荣耀宣布猎人游戏本正式回归,称其继承了荣耀 HUNTER 基因,并自信地为其打出“轻薄本,更是游戏本”的口号。
众所周知,寻求轻薄本的用户普遍更看重便携性、外观造型、静谧性和打字办公等用机体验,而寻求游戏本的用户则普遍更看重硬件配置、性能释放等硬核指标。把两个看似难以相干的产品融合到一起,我们不禁对它产生了强烈的好奇:作为代表荣耀猎人游戏本的跨界新物种,它究竟做了哪些平衡以兼顾不同人群的各类需求呢?