Python中DataFrame与内置数据结构相互转换的实现

要在Python中进行数据分析，pandas是一款非常常用的数据分析工具。其中，DataFrame作为pandas中最核心的数据结构之一，具有类似于Excel电子表格的功能，可以处理数据的过滤、排序、变换等操作。不过，在实际开发中，我们可能需要在DataFrame和内置数据结构之间相互转换，本文将详细讲解如何实现这个功能。

1. DataFrame与Numpy数组的相互转换

在pandas中，DataFrame可以转换为NumPy数组，NumPy数组也可以转换为DataFrame。下面以一个示例来说明如何实现DataFrame与Numpy数组的相互转换。

我们先创建一个DataFrame:

import pandas as pd

data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
        'age': [28, 34, 29, 42],
        'salary': [2000, 3000, 2500, 4000]}

df = pd.DataFrame(data)

现在，我们来看一下如何将DataFrame转换为Numpy数组：

import numpy as np

array = np.array(df)
print(array)

输出结果为：

[['Tom' 28 2000]
 ['Jack' 34 3000]
 ['Steve' 29 2500]
 ['Ricky' 42 4000]]

同样地，我们也可以将Numpy数组转换为DataFrame：

new_df = pd.DataFrame(array, columns=['name', 'age', 'salary'])
print(new_df)

输出结果与原DataFrame相同：

    name age salary
0   Tom  28  2000
1  Jack  34  3000
2  Steve 29  2500
3  Ricky 42  4000

2. DataFrame与字典的相互转换

在实际开发中，我们也可能需要将DataFrame与字典相互转换。下面以一个示例来说明如何实现DataFrame与字典的相互转换。

我们先创建一个DataFrame：

import pandas as pd

data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
        'age': [28, 34, 29, 42],
        'salary': [2000, 3000, 2500, 4000]}

df = pd.DataFrame(data)

然后，我们将DataFrame转换为字典：

dict_data = df.to_dict('list')
print(dict_data)

输出结果为：

{'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
 'age': [28, 34, 29, 42],
 'salary': [2000, 3000, 2500, 4000]}

我们还可以将字典转换为DataFrame：

new_df = pd.DataFrame.from_dict(dict_data)
print(new_df)

输出结果与原DataFrame相同：

    name age salary
0   Tom  28  2000
1  Jack  34  3000
2  Steve 29  2500
3  Ricky 42  4000

以上是DataFrame与内置数据结构相互转换的实现攻略，希望对大家有所帮助。