Python Pandas – 使用原始索引和名称创建DataFrame

Pandas是Python中一个强大的数据处理库，可以轻松地对结构化数据进行处理、转换和可视化。其中DataFrame是Pandas的核心数据结构，类似于关系型数据库中的表格。在创建DataFrame时，有多种方法来指定行和列的名称。本文将介绍如何使用原始索引和名称来创建DataFrame对象。

创建DataFrame的基本方法

在Pandas中，最基本的创建DataFrame的方法是通过字典构建。例如，下面的代码可以创建一个DataFrame对象，其中有’temperature’和’humidity’两列，索引为0,1,2。

import pandas as pd

d = {'temperature': [20, 25, 30], 'humidity': [50, 60, 70]}

df = pd.DataFrame(data=d)

print(df)

输出为:

   temperature  humidity
0           20        50
1           25        60
2           30        70

使用原始索引创建DataFrame

在使用原始索引创建DataFrame之前，我们先来看一下什么是原始索引。在Pandas中，数据框的每一行都有一个唯一的索引值。默认情况下，Pandas会使用从0开始的整数作为索引。但是，我们也可以使用其它类型的值作为索引，例如字符串、日期或者数字。

了解原始索引后，我们可以使用Pandas中的pd.DataFrame函数来创建一个DataFrame对象，同时指定行和列的标签。

import pandas as pd

data = {"temperature": [20, 25, 30],
        "humidity": [50, 60, 70]}

index = ["2021-01-01", "2021-01-02", "2021-01-03"]

df = pd.DataFrame(data, index=index)

print(df)

输出为:

            temperature  humidity
2021-01-01           20        50
2021-01-02           25        60
2021-01-03           30        70

使用原始名称创建DataFrame

在某些情况下，我们可能希望使用列的名称来创建DataFrame，而不是将它们作为字典键。为此，可以创建一个空的DataFrame，并用列的名称填充它。

import pandas as pd

df = pd.DataFrame(columns=["temperature", "humidity"])

df["temperature"] = [20, 25, 30]
df["humidity"] = [50, 60, 70]

print(df)

输出为:

   temperature  humidity
0           20        50
1           25        60
2           30        70

验证DataFrame的原始索引和名称

通过以下方法可以查看.DataFrame对象中的索引和名称信息:

import pandas as pd

data = {"temperature": [20, 25, 30],
        "humidity": [50, 60, 70]}

index = ["2021-01-01", "2021-01-02", "2021-01-03"]

df = pd.DataFrame(data, index=index)

print(df.index)
print(df.columns)

输出为:

Index(['2021-01-01', '2021-01-02', '2021-01-03'], dtype='object')
Index(['temperature', 'humidity'], dtype='object')

结论

本文介绍了如何使用原始索引和名称来创建DataFrame对象。使用原始索引可以为DataFrame添加自己的索引标签，提高数据可读性；使用原始名称可以更好地掌握表格的结构。