Как создать dataframe в python: основные шаги для начинающих

Как создать DataFrame в Python?

Для создания DataFrame в Python, вы можете использовать библиотеку pandas. Вот несколько способов:

1. Использование списков или массивов NumPy:

import pandas as pd
data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
df = pd.DataFrame(data, columns=['Name', 'Age'])
print(df)

Вышеуказанный код создаст DataFrame с именами 'Name' и 'Age' как столбцами и значениями данных.

2. Использование словаря:

import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

Этот метод создаст DataFrame из словаря, где ключи словаря будут использованы в качестве названий столбцов.

3. Использование CSV файла:

import pandas as pd
df = pd.read_csv('data.csv')
print(df)

Этот пример показывает, как создать DataFrame, импортировав данные из CSV файла.

Как создать DataFrame в Python

DataFrame - это структура данных, предоставляемая библиотекой pandas, которая позволяет работать с табличными данными. В этой статье мы рассмотрим, как создать DataFrame в Python с использованием разных методов.

Метод 1: Создание DataFrame из списка или массива

import pandas as pd

# Создание DataFrame из списка
data = [['John', 28], ['Emma', 34], ['Michael', 42]]
df = pd.DataFrame(data, columns=['Name', 'Age'])

# Создание DataFrame из массива
import numpy as np

array = np.array([[1, 2, 3], [4, 5, 6]])
df = pd.DataFrame(array, columns=['A', 'B', 'C'])
    

Приведенный выше код создает DataFrame из списка данных [['John', 28], ['Emma', 34], ['Michael', 42]] и массива [[1, 2, 3], [4, 5, 6]]. Мы передаем данные и имена столбцов в функцию pd.DataFrame(), которая создает DataFrame.

Метод 2: Создание DataFrame из словаря

import pandas as pd

# Создание DataFrame из словаря
data = {'Name': ['John', 'Emma', 'Michael'], 'Age': [28, 34, 42]}
df = pd.DataFrame(data)
    

В этом примере мы создаем DataFrame из словаря данных {'Name': ['John', 'Emma', 'Michael'], 'Age': [28, 34, 42]}. Ключи словаря используются в качестве имен столбцов, а значения словаря становятся данными в каждом столбце.

Метод 3: Создание DataFrame из файла CSV

import pandas as pd

# Чтение данных из файла CSV и создание DataFrame
df = pd.read_csv('data.csv')
    

Используя метод pd.read_csv(), мы можем прочитать данные из файла CSV и автоматически создать DataFrame. Файл CSV должен содержать данные, разделенные запятыми, с заголовками столбцов в первой строке.

Метод 4: Создание пустого DataFrame

import pandas as pd

# Создание пустого DataFrame
df = pd.DataFrame()
    

Если вам нужно создать пустой DataFrame и заполнить его данными позже, вы можете создать DataFrame без передачи каких-либо данных или имен столбцов.

Атрибуты DataFrame

DataFrame имеет несколько полезных атрибутов, которые мы можем использовать для получения информации о данных:

• df.shape - возвращает размерность DataFrame в виде (количество строк, количество столбцов)
• df.columns - возвращает список имен столбцов
• df.head(n) - возвращает первые n строк DataFrame
• df.tail(n) - возвращает последние n строк DataFrame

Пример использования:

import pandas as pd

data = {'Name': ['John', 'Emma', 'Michael'], 'Age': [28, 34, 42]}
df = pd.DataFrame(data)

print(df.shape)
print(df.columns)
print(df.head(2))
print(df.tail(2))
    

Результат выполнения:

(3, 2)
Index(['Name', 'Age'], dtype='object')
   Name  Age
0  John   28
1  Emma   34
   Name  Age
1  Emma   34
2  Michael  42
    

Заключение

В этой статье мы рассмотрели несколько методов создания DataFrame в Python с использованием библиотеки pandas. Вы можете использовать эти методы в зависимости от ваших потребностей и доступных данных. DataFrame предоставляет мощные возможности для анализа и манипуляции табличных данных, делая работу с данными в Python более эффективной и удобной.