详解pandas.DataFrame()（创建二维表格）函数使用方法

pandas.DataFrame() 是 pandas 库中一个十分重要的函数，它用于创建数据帧对象，可以方便地对多维数组或其他数据结构中的数据进行索引、计算、筛选、合并等操作。本文将为大家详细讲解 pandas.DataFrame() 的作用与使用方法。

作用

pandas.DataFrame() 可以将数据对象转变为数据帧对象。DataFrame 是二维标记的结构，可以有不同类型的列，如 pandas.Series 对象。

在数据分析工作中，使用 DataFrame 可以方便地进行许多需要用到表格数据的操作，如数据的统计分析、数据的清洗和处理、大数据的展示等。

使用方法

pandas.DataFrame() 的语法如下：

DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

下面我们分别介绍它的参数：

1. data：数据结构，可以是 ndarray、Series、map、lists、dict、constant 和另一个 DataFrame。

2. index：行标签，可以是列表或数据帧，如果未指定则默认从 0 开始的序列。

3. columns：列标签，可以是列表或数据帧，如果未指定则默认从 0 开始的序列。

4. dtype：数据类型，可以是字符串、np.dtype 或 pandas 自定义数据类型。

5. copy：是否复制数据，默认为 False。

我们通过一个实例来了解如何使用 pandas.DataFrame()：

import pandas as pd

data = {'name':['Tom', 'Jerry', 'Kate'], 
        'age':[21, 23, 22], 
        'score':[90, 87, 92]}

df = pd.DataFrame(data)
print(df)

输出结果为：

    name  age  score
0    Tom   21     90
1  Jerry   23     87
2   Kate   22     92

我们可以看到，我们使用字典类型的数据将接收到 pandas.DataFrame() 函数中，返回的结果是一个具有两行三列的数据帧对象，它的每一列都是一个 pandas.Series 对象。在这个数据帧中，name、age 和 score 是列标签，0、1、2 是行标签。

除了使用字典类型的数据来创建数据帧之外，我们还可以使用 Numpy 数组类型的数据来创建数据帧，实例如下：

import pandas as pd
import numpy as np

data = np.array([[1,2,3],[4,5,6],[7,8,9]])
df = pd.DataFrame(data, columns=['A','B','C'])
print(df)

输出结果为：

   A  B  C
0  1  2  3
1  4  5  6
2  7  8  9

我们可以看到，我们使用的是一个二维的 numpy 数组作为数据结构，返回的结果是一个具有三行三列的数据帧对象。在这个数据帧中，A、B 和 C 是列标签，0、1、2 是行标签。

总结

在本文中，我们详细讲解了 pandas.DataFrame() 的作用与使用方法。DataFrame 函数是 pandas 库中比较重要的函数之一，它能够创建数据帧对象，可方便进行标签索引、计算和筛选等操作。我们通过两个实例，演示了如何使用字典类型数据和 Numpy 数组来创建数据帧，并成功的输出了结果。