3. pandas笔记之：创建

以下是 Pandas 主要数据结构的创建方式整理，涵盖 Series 和 DataFrame 的常见创建方法：

---

一、Series 创建方式

1. 从列表/数组创建

import pandas as pd
import numpy as np# 基础列表
s1 = pd.Series([1, 3, 5, np.nan, 6])# 指定索引
s2 = pd.Series([10, 20, 30], index=['a', 'b', 'c'])# 从 NumPy 数组
arr = np.array([2, 4, 6])
s3 = pd.Series(arr)

2. 从字典创建

data = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(data)  # 字典键自动作为索引

3. 标量值创建

s = pd.Series(5, index=[0, 1, 2, 3])  # 所有值为5

---

二、DataFrame 创建方式

1. 从字典创建

# 列式字典
data = {'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 28],'Score': [92.5, 85.0, 88.5]
}
df1 = pd.DataFrame(data)# 指定索引
df2 = pd.DataFrame(data, index=['a', 'b', 'c'])

2. 从列表的列表创建

data = [['Alice', 25, 92.5],['Bob', 30, 85.0],['Charlie', 28, 88.5]
]
df = pd.DataFrame(data, columns=['Name', 'Age', 'Score'])

3. 从嵌套字典创建

data = {'2020': {'A': 100, 'B': 200},'2021': {'A': 110, 'C': 210}
}
df = pd.DataFrame(data)  # 外层字典键为列名，内层键为索引

4. 从 NumPy 数组创建

arr = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]
])
df = pd.DataFrame(arr, columns=['X', 'Y', 'Z'])

5. 从结构化数组创建

dtype = [('Name', 'U10'), ('Age', 'i4'), ('Score', 'f4')]
data = np.array([('Alice', 25, 92.5),('Bob', 30, 85.0)
], dtype=dtype)
df = pd.DataFrame(data)

6. 从文件/外部数据源创建

# 从 CSV
df_csv = pd.read_csv('data.csv')# 从 Excel
df_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1')# 从 SQL 数据库
import sqlite3
conn = sqlite3.connect('database.db')
df_sql = pd.read_sql('SELECT * FROM table', conn)

---

三、特殊创建方式

1. 时间序列索引

dates = pd.date_range('20230101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=['A','B','C','D'])

2. 随机数据生成

df = pd.DataFrame(np.random.rand(3,4))  # 均匀分布
df = pd.DataFrame(np.random.randn(3,4)) # 正态分布

3. 从其他数据结构转换

# 从 Series 字典
s_dict = {'A': pd.Series([1, 2, 3]),'B': pd.Series([4, 5, 6, 7])
}
df = pd.DataFrame(s_dict)

---

四、高级创建技巧

1. 指定数据类型

df = pd.DataFrame(data = {'A': [1, 2], 'B': ['X', 'Y']},dtype = {'A': 'float32', 'B': 'category'}
)

2. 混合类型创建

df = pd.DataFrame({'IntCol': [1, 2, 3],'FloatCol': [1.1, 2.2, 3.3],'StrCol': ['A', 'B', 'C'],'DateCol': pd.date_range('20200101', periods=3)
})

3. 空 DataFrame 创建

empty_df = pd.DataFrame(columns=['A', 'B', 'C'])

---

五、创建方式对比

方式	适用场景	优点	注意事项
字典创建	列式数据组织	直观易读	各列长度必须一致
列表的列表创建	行式数据输入	适合小规模数据	需配合columns参数
NumPy数组创建	数值型数据处理	高性能	需手动添加列名
文件读取	大数据集加载	支持多种格式	注意编码和内存管理
时间序列创建	金融/时序数据分析	内置时间处理功能	索引需排序
空DataFrame创建	动态构建数据结构	灵活填充数据	需后续维护列结构一致性

---

六、最佳实践建议

1. 优先使用字典创建：当数据以列形式组织时最直观
2. 大数据使用文件读取：避免内存溢出
3. 明确指定数据类型：防止自动类型推断错误
4. 索引管理：合理设置索引提升查询性能
5. 验证数据完整性：检查NaN和异常值

掌握这些创建方式后，可以灵活应对各种数据初始化场景。