图解Pandas，创建数据对象 | 图文第2篇

01写在前面

大家好，我是阳哥，欢迎来到「Python数据之道」。

本次是《图解Pandas》系列图文内容的 第 02 篇，主要是对Pandas中 创建数据对象 进行介绍。

本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。

此外，为避免各种不必要的麻烦，微信没有退款机制，本文也不会退款，付费前请谨慎。

Pandas 是 Python数据分析中用的最多的工具，为了大家能够更好地学习 Pandas，阳哥开始制作一系列 《图解Pandas》 的内容。

《图解Pandas》 最主要的目标，是以动态图片、视频等方式呈现，实现从原理步骤拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个得心应手的工具。

《图解Pandas》图文专题，最新的内容可以点击下面的图片进行查看。

在本文编写时，《图解Pandas》系列已发布的图文如下：

02Python环境

今天主要是对 Pandas 中 如何创建数据对象进行介绍。在微信视频号「Python数据之道」中发布的视频如下，视频时长约4分30秒，大家可以前往观看：

开始之前，按照惯例先介绍下本次内容涉及的Python环境，如下：

• Python 3.8
• Pandas 1.4.1
• numpy 1.22.3

我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：

import pandas as pd
import numpy as np

print(f'pandas version:{pd.__version__}')
print(f'numpy version:{np.__version__}')

03Series

在Pandas中，主要包括两种类型的数据，一种是 Series，另一种是 DataFrame，DataFrame 中文翻译称之为“数据框”。创建数据对象也将围绕这两种数据类型来展开。

首先，咱们来学习如何创建 Series 数据，常见的方法有以下几种，根据不同的场景，选择合适的使用即可。在代码层面，一般是通过 pd.Series() 方法来实现。

通过列表创建 Series

第一种是通过列表创建Series，如图所示，左边为代码，右边为数据结果。

可以同时指定索引值。此外，还可以设置 name 参数值，以及其他的一些参数。

设置索引：

s2 = pd.Series([1,2,3],index=['a','b','c'])
s2

同时设置索引和name参数：

s3 = pd.Series(
    [1,2,3],
    index=['a','b','c'],
    name='hello'
    )
s3

通过字典创建 Series

第二种是通过字典创建Series，从实现结果来看，字典中的key值为Series的索引。

通过 ndarray 创建 Series

第三种是通过 numpy 的 array 数据来创建 Series，这里通过 random 函数来创建一个一维array数据，接着创建Series。

通过标量来创建 Series

第四种是通过标量来创建Series，所谓标量，也可以理解为是具体的单个数据。这里的标量为 1，通过设置索引的长度，可以控制创建数据的行数。

创建空的 Series

第五种是创建空的Series，这是一种特殊的方法，本身不会创建出具体的数据值，但空的Series也是有它特定的用途的。

04DataFrame

接下来，咱们来学习如何创建数据框，常用的方法有以下几种。在代码层面一般是通过 pd.DataFrame() 方法来实现。

创建空的 DataFrame

先来看如何创建空的数据框，代码如下所示。空的数据框，用途还是挺广泛的，在数据合并、数据采集等方面都可以使用。

通过 ndarray 创建 DataFrame

第2种是通过 numpy 的 array 数据来创建数据框，这里通过numpy 的random函数来创建一个二维array数据，接着创建数据框。

np.random.seed(0)
arr = np.random.randint(10,size=[5,3])
df = pd.DataFrame(arr,columns=list('abc'))
df

创建的数据如下：

也可以通过由 元组（tuple）组成的 array来创建数据框。需要注意的是，在代码方面，这里使用的是 pd.DataFrame.from_records() 方法。

# from_records
arr = np.array(
    [
        ("Lemon", "长沙", 80, 90),
        ("Jack", "上海", 90, 75),
        ("Peter", "深圳", 60, 80),
    ]
)
df = pd.DataFrame.from_records(
    arr, 
    columns=["name", "city", "math", "chem"]
    )
df

数据结果如下：

不过，使用 pd.DataFrame() 也可以实现同样的结果。

arr = np.array(
    [
        ("Lemon", "长沙", 80, 90),
        ("Jack", "上海", 90, 75),
        ("Peter", "深圳", 60, 80),
    ]
)
df = pd.DataFrame(
    arr, 
    columns=["name", "city", "math", "chem"]
    )
df

通过列表创建数据框

第3种是通过列表创建数据框，可以细分为几种不同的方法。

一维列表