在 Python 中，最常用的创建 DataFrame 的方式是使用 pandas 库，DataFrame 是一个二维的、大小可变、且具有标签轴（行和列）的数据结构，类似于 Excel 表格或 SQL 表。
（图片来源网络，侵删）
下面我将为你详细介绍几种创建 DataFrame 的常用方法，从最基础到更复杂的场景。
第一步：安装 Pandas
如果你的环境中还没有安装 pandas，请先打开终端或命令提示符，运行以下命令：
pip install pandas
从字典创建（最常用）
这是最直观、最常用的方法之一，字典的键将作为 DataFrame 的列名，字典的值（通常是列表）将作为该列的数据。
示例：
（图片来源网络，侵删）
import pandas as pd
# 1. 准备数据：使用字典
data = {
'姓名': ['张三', '李四', '王五', '赵六'],
'年龄': [25, 30, 28, 35],
'城市': ['北京', '上海', '广州', '深圳']
}
# 2. 创建 DataFrame
df = pd.DataFrame(data)
# 3. 打印 DataFrame
print(df)
输出：
姓名 年龄 城市
0 张三 25 北京
1 李四 30 上海
2 王五 28 广州
3 赵六 35 深圳从列表的列表创建
如果你有一系列等长的列表,每个内部列表代表一行数据，你可以用它们来创建 DataFrame。
示例：
import pandas as pd
# 1. 准备数据：列表的列表
data = [
['张三', 25, '北京'],
['李四', 30, '上海'],
['王五', 28, '广州'],
['赵六', 35, '深圳']
]
# 2. 创建 DataFrame，并指定列名
# columns 参数用于指定列名
df = pd.DataFrame(data, columns=['姓名', '年龄', '城市'])
# 3. 打印 DataFrame
print(df)
输出：
（图片来源网络，侵删）
姓名 年龄 城市
0 张三 25 北京
1 李四 30 上海
2 王五 28 广州
3 赵六 35 深圳从列表的字典创建
这是一种混合方式,外层是列表，内层是字典，每个字典代表一行数据，字典的键成为列名，这种方法非常灵活，特别是当数据行不完整时。
示例：
import pandas as pd
# 1. 准备数据：列表的字典
data = [
{'姓名': '张三', '年龄': 25, '城市': '北京'},
{'姓名': '李四', '年龄': 30}, # 缺少 '城市' 信息
{'姓名': '王五', '年龄': 28, '城市': '广州'},
{'城市': '深圳', '年龄': 35, '姓名': '赵六'} # 键的顺序不影响
]
# 2. 创建 DataFrame
# pandas 会自动处理缺失的数据，填充为 NaN (Not a Number)
df = pd.DataFrame(data)
# 3. 打印 DataFrame
print(df)
输出：
姓名 年龄 城市
0 张三 25.0 北京
1 李四 30.0 NaN
2 王五 28.0 广州
3 赵六 35.0 深圳注意：李四的城市列自动填充了NaN。
从 NumPy 数组创建
如果你的数据已经是 NumPy 数组格式，可以直接将其转换为 DataFrame。
示例：
import pandas as pd
import numpy as np
# 1. 准备数据：NumPy 数组
data = np.array([
[1, 'A', 100],
[2, 'B', 150],
[3, 'C', 120]
])
# 2. 创建 DataFrame，并指定列名
df = pd.DataFrame(data, columns=['ID', '类别', '分数'])
# 3. 打印 DataFrame
print(df)
输出：
ID 类别 分数
0 1 A 100
1 2 B 150
2 3 C 120从文件创建（实际应用中非常普遍）
在实际工作中,数据通常存储在外部文件中，如 CSV、Excel 等，pandas 提供了非常方便的读取函数。
从 CSV 文件创建
假设你有一个名为 data.csv 的文件，内容如下：
姓名,年龄,城市 张三,25,北京 李四,30,上海 王五,28,广州
使用 pd.read_csv() 函数：
import pandas as pd
# 从 CSV 文件创建 DataFrame
df = pd.read_csv('data.csv')
# 打印 DataFrame
print(df)
从 Excel 文件创建
假设你有一个名为 data.xlsx 的 Excel 文件。
使用 pd.read_excel() 函数（需要安装 openpyxl 库：pip install openpyxl）：
import pandas as pd
# 从 Excel 文件创建 DataFrame
# sheet_name='Sheet1' 指定要读取的工作表名
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
# 打印 DataFrame
print(df)
创建 DataFrame 后的常用操作
创建 DataFrame 后，你可能需要查看或操作它。
import pandas as pd
data = {'姓名': ['张三', '李四'], '年龄': [25, 30]}
df = pd.DataFrame(data)
# 1. 查看前几行数据 (默认5行)
print("前两行数据:")
print(df.head(2))
# 2. 查看数据的基本信息（列名、非空值数量、数据类型等）
print("\n数据信息:")
df.info()
# 3. 查看数据的描述性统计（仅针对数值列）
print("\n描述性统计:")
print(df.describe())
# 4. 获取列名
print("\n列名:")
print(df.columns)
# 5. 获取索引
print("\n索引:")
print(df.index)
| 创建方式 | 适用场景 | 示例代码 |
|---|---|---|
| 从字典 | 数据结构清晰，列名明确 | pd.DataFrame({'A': [1, 2]}) |
| 从列表的列表 | 数据行结构规整 | pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B']) |
| 从列表的字典 | 数据行不完整或结构灵活 | pd.DataFrame([{'A': 1}, {'B': 2}]) |
| 从 NumPy 数组 | 数据已为数值型数组 | pd.DataFrame(np.array([[1, 2]])) |
| 从文件 | 实际应用最广，读取外部数据 | pd.read_csv('file.csv') |
对于初学者来说,从字典创建和从文件创建 是必须掌握的两种核心方法。
