建立 Pandas DataFrame 的不同方法

---

Pandas 是 Python 中用於執行資料分析和資料操作的庫之一。資料可以在 Pandas 中以兩種方式建立，一種是 DataFrame，另一種是 Series。

DataFrame 是 Python 中的二維帶標籤資料結構。它用於資料操作和資料分析。它接受不同的資料型別，例如整數、浮點數、字串等。列的標籤是唯一的，而行則用唯一的索引值標記，這有助於訪問定義的行。

DataFrame 用於機器學習任務，允許使用者操作和分析大型資料集。它支援諸如過濾、排序、合併、分組和轉換資料等操作。

以下是建立 Pandas DataFrame 的不同方法。讓我們一一來看。

從 NumPy 陣列建立

我們可以使用 Pandas 庫的 DataFrame() 函式從 NumPy 陣列建立 DataFrame。以下是從 NumPy 陣列建立 Pandas DataFrame 的語法。

pandas.DataFrame(array)

其中，

• pandas 是庫的名稱

• DataFrame 是函式

• array 是 NumPy 陣列

示例

在這個例子中，我們將 NumPy 陣列作為輸入引數傳遞給 DataFrame 函式，以及列名，然後陣列將被轉換為 DataFrame。

import pandas as pd
import numpy as np
arr = np.array([[20,30,40],[70,80,40]])
data = pd.DataFrame(arr, columns= ['a1', 'a2', 'a3'])
print(data.head())

輸出

a1   a2   a3
0    20   30  40
1    70   80  40

從字典建立

可以透過將字典作為輸入引數傳遞給 Pandas 庫的 DataFrame() 函式，從字典建立 DataFrame。以下是從字典建立 Pandas DataFrame 的語法。

pandas.DataFrame(dictionary)

示例

在這個例子中，我們將字典作為輸入引數傳遞給 Pandas 庫的 DataFrame() 函式，然後字典將被轉換為 DataFrame。

import pandas as pd
import numpy as np
dic = {'b': [2,3], 'c': [3,5], 'a': [1,6]}
data = pd.DataFrame(dic)
data.head()

輸出

b  c  a
0  2  3  1
1  3  5  6

從 CSV 檔案建立

我們可以從 CSV 檔案的資料建立 DataFrame。在 Pandas 庫中，我們有一個名為 read_csv() 的函式來讀取 CSV 檔案資料。以下是從 CSV 檔案建立 DataFrame 的語法。

pandas.read_csv(csv_file)

示例

在這個例子中，我們將使用 read_csv() 函式從 CSV 檔案資料建立 Pandas DataFrame。以下程式碼供參考。

import pandas as pd
data=pd.read_csv("https://raw.githubusercontent.com/Opensourcefordatascience/Data-sets/master/blood_pressure.csv")
print(data.head(20))

輸出

    patient   sex agegrp  bp_before  bp_after
0         1  Male  30-45        143       153
1         2  Male  30-45        163       170
2         3  Male  30-45        153       168
3         4  Male  30-45        153       142
4         5  Male  30-45        146       141
5         6  Male  30-45        150       147
6         7  Male  30-45        148       133
7         8  Male  30-45        153       141
8         9  Male  30-45        153       131
9        10  Male  30-45        158       125
10       11  Male  30-45        149       164
11       12  Male  30-45        173       159
12       13  Male  30-45        165       135
13       14  Male  30-45        145       159
14       15  Male  30-45        143       153
15       16  Male  30-45        152       126
16       17  Male  30-45        141       162
17       18  Male  30-45        176       134
18       19  Male  30-45        143       136
19       20  Male  30-45        162       150