1、利用字典生成DataFrame

① 第一种方式：列表组成的字典

stu = {       "name":["张三","李四","王燕"],       "age":[18,20,22],       "sex":["男","男","女"]}df = pd.DataFrame(stu)display(df)

结果如下：

② 第二种方式：上述方式的一般形式

person = {          "name":"Tom",          "age":20,          "subject":["Python","Java","Excel"]}df = pd.DataFrame(person)display(df)

结果如下：

③ 列表组成的列表

x = [[1,2,3,4],[5,6,7,8],[9,10,11,12]]df = pd.DataFrame(data)display(df)

结果如下：

④ 字典组成的列表

data = [        {"one":1,"two":2},        {"one":5,"two":10,"three":15}]df = pd.DataFrame(data)display(df)

结果如下：

⑤ 字典组成的字典

data = {    "张三":{"Java":90, "Python":89, "Hive":78},    "李四":{"Java":82, "Python":95, "Hive":96},    "王五":{"Java":85, "Python":94}}df = pd.DataFrame(data)display(df)

data = {    "Java":{"张三":90,"李四":82,"王五":85},    "Python":{"张三":89,"李四":95,"王五":94},    "Hive":{"张三":78,"李四":96}}df = pd.DataFrame(data)display(df)

结果如下：注意：对于上述两个DataFrame，我们直接可以使用data.T进行DataFrame行、列之间的转换。

⑥ 由Series或ndarray组成的字典

data = {    "Java":pd.Series(np.random.randint(70,100,5)),    "Python":np.random.randint(80,100,5)}df = pd.DataFrame(data)display(df)

结果如下：

2、自定义列、索引、数据生成DataFrame

column = ["Python","Java","Excel"]dates = pd.date_range("20200202",periods=5)df = pd.DataFrame(np.random.randint(low=70,high=100,size=(5,3)),                  index=dates,columns=column)display(df)

结果如下：注意：这里有两个知识点需要掌握，一个是pd.date_range()，一个np.random.randint()，知道怎么用就行了，详细说明请自行百度。

3、利用二维数组生成DataFrame(常用)

x = np.arange(1,21).reshape(4,5)index = list("abcde")df = pd.DataFrame(x,index=index)display(df)

结果如下：

4、将不同的列表转化为tuple，生成DataFrame

movie = ["战狼2","哪吒之魔童降世","流浪地球","红海行动"]piapofang = [str(x)+"亿" for x in [56.39,49.34,46.18,36.22]]list_to_tuple = list(zip(movie,piaofang))

df = pd.DataFrame(list_to_tuple,columns=["movies","piaofang"])display(df)

结果如下：

5、通过读取sql,csv,excel等文件生成DataFrame

以后工作中都是利用已有的文件，进行数据分析。

最好的方式就是将文件读取成DataFrame方式，然后利用各种方式进行数据处理。

由于文件格式众多，这里不细说，你需要读取哪一种文件，就自行百度学习一下，即可。