创建数据

使用 DataFrame 创建数据

通过字典创建

import pandas as pd

df = pd.DataFrame({
    "name": ["A", "B", "C"],
    "age": [20, 21, 22]
})

print(df)

输出：

  name  age
0    A   20
1    B   21
2    C   22

从列表创建

df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(df)

输出：

   0  1  2              
0  1  2  3
1  4  5  6
2  7  8  9

使用 Series 创建数据

df = pd.Series([1, 2, 3], index=['A', 'B', 'C'], name='numbers')
print(df)

输出：

A    1
B    2
C    3
Name: numbers, dtype: int64

使用 numpy 创建数据

import pandas as pd
import numpy as np

arr = np.random.randn(3, 3)
df = pd.DataFrame(arr, columns=["A", "B", "C"])
print(df)

输出：

          A         B         C
0 -0.132643 -0.430935 -0.051926
1 -1.337611 -1.457143 -0.088758
2  0.135328  1.975916  0.105259

参数

Dataframe

在创建数据的时候可以指定行名和列名，例如：

df = pd.DataFrame([
    [1, 2, 3], 
    [4, 5, 6]
], columns=['a', 'b', 'c'], index=['first', 'second'])
print(df)

输出：

        a  b  c
first   1  2  3
second  4  5  6

Series

由于通过 Series 创建的数据只有一列，不能用 columns 参数，用的是 name，例如：

df = pd.Series([1, 2, 3, 4, 5], name='A', index=['a', 'b', 'c', 'd', 'e'])
print(df)

输出：

a    1
b    2
c    3
d    4
e    5
Name: A, dtype: int64

读取数据

读取 CSV

df = pd.read_csv("data.csv")

读取 Excel

df = pd.read_excel("data.xlsx")

读取 JSON

import sqlite3
import pandas as pd

conn = sqlite3.connect('database.db')
df = pd.read_sql("SELECT * FROM table_name", conn)

写入数据

写入数据的过程中如果不指定 index=False 则会把索引也写入进去

写入 CSV

df.to_csv("output.csv", index=False)

写入 Excel

df.to_excel("output.xlsx", index=False)

写入 JSON

df.to_json("output.json")

写入 SQL

df.to_sql("table_name", conn, if_exists="replace")

资源

• Gemini
• ChatGPT
• Kaggle Course