pandas 将list切分后存入DataFrame中的实例

当我们需要将一个list切分后存入pandas的DataFrame中时,可以采用以下步骤:

  1. 导入pandas包
import pandas as pd
  1. 定义一个list对象
mylist = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  1. 将list分成多个部分

如果我们希望将一个list分成3个部分,可以使用下面的代码:

part_1 = mylist[:3]
part_2 = mylist[3:6]
part_3 = mylist[6:]

将list分成了三部分:[1, 2, 3], [4, 5, 6], [7, 8, 9, 10]。

  1. 创建一个DataFrame对象
df = pd.DataFrame(columns=["part1", "part2", "part3"])

我们创建了一个空的DataFrame对象,同时指定了3个列名为"part1", "part2", "part3"。

  1. 向DataFrame对象中插入数据
df.loc[len(df)] = [part_1, part_2, part_3]

在这个例子中,我们使用了loc方法来定位数据的位置。同时,在插入数据时,我们将之前分割后的list对象放入了一个list中,同时将三个list对象放到了DataFrame中的不同列中。

  1. 完整的代码演示
import pandas as pd

mylist = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

part_1 = mylist[:3]
part_2 = mylist[3:6]
part_3 = mylist[6:]

df = pd.DataFrame(columns=["part1", "part2", "part3"])

df.loc[len(df)] = [part_1, part_2, part_3]

print(df)

输出:

                             part1            part2                part3
0  [1, 2, 3]       [4, 5, 6]       [7, 8, 9, 10]
  1. 示例说明

接下来,我们给出另一个例子,将一个字符串list分成多个部分,并存入DataFrame中。

import pandas as pd

mylist = ["apple", "banana", "orange", "peach", "grape", "cherry", "lemon", "watermelon", "kiwi"]

part_1 = mylist[:3]
part_2 = mylist[3:6]
part_3 = mylist[6:]

df = pd.DataFrame(columns=["part1", "part2", "part3"])

df.loc[len(df)] = [part_1, part_2, part_3]

print(df)

输出:

                     part1                      part2                   part3
0  [apple, banana, orange]  [peach, grape, cherry]  [lemon, watermelon, kiwi]

可以看到,在这个例子中,我们将一个字符串list分成了3个部分,每个部分包含3个字符串。同时,我们将这些部分放入了一个DataFrame中,并按照对应的列名进行存储。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:pandas 将list切分后存入DataFrame中的实例 - Python技术站

(0)
上一篇 2023年5月14日
下一篇 2023年5月14日

相关文章

  • pandas实现to_sql将DataFrame保存到数据库中

    当我们使用pandas处理了数据后,常常需要将其保存至数据库中。下面是使用pandas的DataFrame将数据保存至MySQL数据库中的完整攻略。 准备工作 在进行以下操作之前,需要确保以下步骤已完成: 安装MySQL数据库,并创建一个数据库和一个数据表 安装pandas库和mysql-connector-python库 步骤一:创建连接对象 首先,我们需…

    python 2023年5月14日
    00
  • 在Pandas中创建空数据框

    在Pandas中创建空数据框是数据分析和处理中的一个非常常见的操作。以下是在Pandas中创建空数据框的完整攻略: 步骤1:导入必要的库 在创建一个空数据框之前,必须要先导入Pandas库,因为它提供了一个名为DataFrame的类,它是Pandas中最重要的数据结构之一。你可以使用以下代码来导入Pandas库: import pandas as pd 步骤…

    python-answer 2023年3月27日
    00
  • Pandas删除数据的几种情况(小结)

    Pandas删除数据的几种情况(小结) 在Pandas中,删除数据是数据清理中一个非常关键的步骤。这里我们将讨论Pandas中删除数据的几种情况。 1. 删除行或列 1.1 删除行 删除行的方法是通过drop()函数来实现的。该函数使用axis=0参数来指示删除行。具体语法如下: df.drop(index_names, axis=0, inplace=Tr…

    python 2023年5月14日
    00
  • 如何在pandas聚合中计算不同的数据

    下面是针对在pandas聚合中计算不同数据的详细攻略: 1. 聚合函数 在pandas聚合中,有以下几种聚合函数可供使用: count() 计数 sum() 求和 mean() 求均值 median() 求中位数 min() 求最小值 max() 求最大值 var() 计算方差 std() 计算标准差 describe() 统计描述信息 2. 分组聚合 在进…

    python-answer 2023年3月27日
    00
  • 彻彻底底地理解Python中的编码问题

    接下来我会详细讲解“彻彻底底地理解Python中的编码问题”的完整攻略。 了解编码的基础知识 在Python中,字符串是使用Unicode编码的。Unicode是一个字符集,可以表示各种各样的字符。但是,Unicode对于如何将字符转换为具体的字节序列并没有做出规定,因此需要用编码来实现字符与字节之间的转换。 常见的编码方式有UTF-8、UTF-16、GB2…

    python 2023年5月14日
    00
  • 在Python Pandas中从时间戳中获取秒数

    获取时间戳中的秒数可以使用Python中的Pandas模块。下面将详细讲解如何在Pandas中获取时间戳的秒数。 步骤1:导入模块 首先,需要导入pandas模块。在Python中通常使用以下命令导入: import pandas as pd 步骤2:创建时间戳 接下来,需要创建一个时间戳,可以使用Pandas中的“Timestamp”方法,例如: time…

    python-answer 2023年3月27日
    00
  • PyTorch-Forecasting一个新的时间序列预测库使用详解

    PyTorch-Forecasting详细攻略 PyTorch-Forecasting是一个基于PyTorch的时间序列预测库,它为用户提供了在真实场景中应用时间序列预测的便利。下面是使用PyTorch-Forecasting的详细攻略。 PyTorch-Forecasting安装 使用pip进行安装: pip install pytorch-forecas…

    python 2023年6月13日
    00
  • Python数据分析之 Pandas Dataframe修改和删除及查询操作

    Python数据分析之 Pandas Dataframe修改和删除及查询操作 Pandas是Python的一个强大的数据分析库,它主要用于数据处理、数据分析、数据可视化等方面。其中对于数据处理来说,数据的增删改查是必不可少的内容。本文主要介绍Pandas Dataframe的修改、删除和查询操作,帮助读者更好地掌握Pandas数据分析的技能。 Part 1 …

    python 2023年5月14日
    00
合作推广
合作推广
分享本页
返回顶部