Pandas系列列表转为数据框

在本文中，我们将介绍如何使用Pandas将系列列表转换成数据框。Pandas是一种用于数据分析和处理的Python库。我们可以将序列列表转换成数据框，以便更好地分析和可视化数据。在本文中，我们将使用一些简单的代码示例来演示如何实现这个功能。

阅读更多：Pandas 教程

简介

在Pandas中，数据框是一种二维的数据结构，其中数据以行和列的形式排列。一个数据框可以有一个或多个系列列，每列有一个名称。Pandas的系列是一种一维的数据结构，它们用于存储单个变量的数据。

在某些情况下，我们需要将多个系列合并成一个数据框。这时，我们可以使用pd.concat()函数将系列列表转换为数据框。

示例

首先，我们将创建两个简单的系列作为示例：

import pandas as pd

fruit = pd.Series(['Apple', 'Banana', 'Orange'])
qty = pd.Series([5, 3, 4])

这将创建两个系列：一个存储水果名称，一个存储水果数量。接下来，我们将使用pd.concat()函数将这两个系列合并成一个数据框：

df = pd.concat([fruit, qty], axis=1)

在这个例子中，我们使用pd.concat()函数来合并两个系列。axis=1参数使函数按列合并，即将两个系列作为数据框的两列，而不是两行。

现在，我们来查看一下新创建的数据框：

print(df)

输出：

        0  1
0   Apple  5
1  Banana  3
2  Orange  4

这将输出合并后的数据框。我们可以看到，数据框有两列：第一列是水果名称，第二列是水果数量。

将多个系列合并成一个数据框

假设我们有多个系列，每个系列都有不同的长度。我们可以创建一个系列列表，然后使用pd.concat()函数将它们合并成一个数据框。

fruit = pd.Series(['Apple', 'Banana', 'Orange'])
qty = pd.Series([5, 3, 4])
price = pd.Series([0.5, 0.3, 0.4])
weight = pd.Series([0.1, 0.2, 0.15, 0.3])

series_list = [fruit, qty, price, weight]

df = pd.concat(series_list, axis=1, keys=['Fruit', 'Quantity', 'Price', 'Weight'])

print(df)

在这个例子中，我们使用pd.concat()函数和keys参数来为数据框的每列定义一个名称。这使我们可以清楚地看到每列的含义。

输出：

    Fruit  Quantity  Price  Weight
0   Apple         5    0.5    0.10
1  Banana         3    0.3    0.20
2  Orange         4    0.4    0.15
3     NaN       NaN    NaN    0.30

可以看到，这个数据框包含了所有的系列。当数组长度不同时，将自动在长度较短的数组上填充NaN值。

将多个系列转换为一个多层次索引的数据框

有时候，我们可能需要使用多层次索引为每列分配更多的元数据，而不是仅使用单个列名。可以使用Pandas的MultIndex方法创建带有多层索引的数据框。下面是一个示例：

fruit = pd.Series(['Apple', 'Banana', 'Orange'])
qty = pd.Series([5, 3, 4])
price = pd.Series([0.5, 0.3, 0.4])
weight = pd.Series([0.1, 0.2, 0.15, 0.3])

series_list = [fruit, qty, price, weight]

# 将列表转换为数据框
df = pd.concat(series_list, axis=1, keys=[['Fruit', 'Fruit', 'Price', 'Price'], ['Name', 'Qty', 'USD', 'CNY']])

# 输出数据框
print(df)

这里我们将keys参数设置成一个列表，包含两个元素。每个元素又是一个列表，其中包含了列的不同元数据。因此，对于第一列，我们分别用'Fruit'和'Name'表示它是水果类型列的名称和元数据；对于第二列，我们使用'Fruit'和'Qty'表示水果数量的列的名称和元数据。对于价格和重量，我们使用类似的方法添加元数据。

输出：

   Fruit         Price     
    Name Qty   USD   CNY
0  Apple   5  0.50  3.23
1  Banana   3  0.30  1.94
2  Orange   4  0.40  2.58
3    NaN NaN   NaN  3.87

上面的输出中，可以看到df的列名是按照元数据分组的。例如，Fruit列的子列包括Name和Qty，对应的是水果类型和数量。而Price列的子列包括USD和CNY，对应的是美元汇率和人民币汇率。