logo

Pandas Dataframe을 만드는 다양한 방법

팬더 데이터프레임 행과 열이 있는 테이블과 같은 2차원 레이블이 지정된 데이터 구조입니다. DataFrame의 크기와 값은 변경 가능합니다. 즉, 수정될 수 있습니다.

DataFrame은 주로 데이터 분석 및 데이터 조작에 사용됩니다. SQL 데이터베이스, MS Excel 또는 Google 스프레드시트와 같은 표 형식으로 데이터를 저장할 수 있으므로 데이터에 대한 산술 연산을 더 쉽게 수행할 수 있습니다.



가장 일반적으로 사용되는 Pandas 개체입니다. 그만큼 데이터프레임() 함수 Pandas에서 DataFrame을 만드는 데 사용됩니다. 다양한 방법으로 Pandas DataFrame을 생성할 수도 있습니다.

팬더 데이터프레임() 구문

pandas.DataFrame(데이터, 인덱스, 열)

카일리 제너는 몇 살입니까?

매개변수:

  • 데이터 : DataFrame을 생성할 데이터셋입니다. 목록, 사전, 스칼라 값, 시리즈, 배열 등이 될 수 있습니다.
  • 색인 : 선택사항이며 기본적으로 DataFrame의 인덱스는 0부터 시작하여 마지막 데이터 값(n-1)에서 끝납니다. 행 레이블을 명시적으로 정의합니다.
  • 기둥 : 이 매개변수는 DataFrame에 열 이름을 제공하는 데 사용됩니다. 열 이름이 기본적으로 정의되지 않은 경우 0에서 n-1 사이의 값을 사용합니다.

보고:

  • 데이터프레임 객체

이제 DataFrame() 함수에 대해 논의했으므로 DataFrame을 생성하는 다양한 방법을 살펴보겠습니다.



Python에서 데이터프레임을 생성하는 다양한 방법

생성하는 방법에는 여러 가지가 있습니다. 팬더 데이터프레임 ~에 파이썬 . 다음 방법을 사용하여 DataFrame을 만들 수 있습니다.

  • DataFrame() 함수를 사용하여 Pandas DataFrame 만들기
  • 목록 목록에서 Pandas DataFrame 만들기
  • ndarray/list 사전에서 Pandas DataFrame 만들기
  • 사전 목록에서 Pandas DataFrame 만들기
  • Series 사전에서 Pandas DataFrame 만들기
  • zip() 함수를 사용하여 DataFrame 만들기
  • 인덱스 레이블을 명시적으로 증명하여 DataFrame 만들기

DataFrame() 메서드를 사용하여 빈 DataFrame 만들기

Python의 DataFrame은 DataFrame() 함수를 사용하여 생성할 수 있습니다. 팬더 라이브러리 . DataFrame 생성자를 사용하여 함수를 호출하면 DataFrame이 생성됩니다.

: Python에서 DataFrame() 함수를 사용하여 빈 DataFrame 만들기

파이썬3




# Importing Pandas to create DataFrame> import> pandas as pd> # Creating Empty DataFrame and Storing it in variable df> df>=> pd.DataFrame()> # Printing Empty DataFrame> print>(df)>

>

>

산출:

Empty DataFrame Columns: [] Index: []>

목록 목록에서 DataFrame 만들기

Pandas DataFrame을 생성하려면 목록 목록의 경우 pd.DataFrame() 함수를 사용할 수 있습니다. 이 함수는 목록 목록을 입력으로 사용하고 입력 목록과 동일한 수의 행과 열이 있는 DataFrame을 만듭니다.

: DataFrame() 메서드를 사용하여 목록 목록에서 DataFrame 만들기

파이썬3




# Import pandas library> import> pandas as pd> # initialize list of lists> data>=> [[>'tom'>,>10>], [>'nick'>,>15>], [>'juli'>,>14>]]> # Create the pandas DataFrame> df>=> pd.DataFrame(data, columns>=>[>'Name'>,>'Age'>])> # print dataframe.> print>(df)>

>

>

산출:

리눅스 단축키
 Name Age 0 tom 10 1 nick 15 2 juli 14>

ndArray/Lists 사전에서 DataFrame 생성

DataFrame을 생성하려면 사전 ~의 ndarrays /lists에서는 모든 배열의 길이가 동일해야 합니다. 인덱스가 전달되면 길이 인덱스는 배열의 길이와 같아야 합니다.

인덱스가 전달되지 않으면 기본적으로 인덱스는 range(n)이 됩니다. 여기서 n은 배열 길이입니다.

: ndarray/lists 사전에서 DataFrame 생성

파이썬3




# Python code demonstrate creating> # DataFrame from dict narray / lists> # By default addresses.> import> pandas as pd> # initialize data of lists.> data>=> {>'Name'>: [>'Tom'>,>'nick'>,>'krish'>,>'jack'>],> >'Age'>: [>20>,>21>,>19>,>18>]}> # Create DataFrame> df>=> pd.DataFrame(data)> # Print the output.> print>(df)>

>

>

자바의 정적 키워드

산출:

 Name Age 0 Tom 20 1 nick 21 2 krish 19 3 jack 18>

메모: 사전을 사용하여 DataFrame을 생성하는 동안 사전의 키는 기본적으로 열 이름이 됩니다. 열 매개변수를 사용하여 명시적으로 열 이름을 제공할 수도 있습니다.

사전 목록에서 DataFrame 만들기

Pandas DataFrame은 다음을 전달하여 생성할 수 있습니다. 사전 목록 입력 데이터로. 기본적으로 사전 키는 열로 사용됩니다.

파이썬3




# Python code demonstrate how to create> # Pandas DataFrame by lists of dicts.> import> pandas as pd> # Initialize data to lists.> data>=> [{>'a'>:>1>,>'b'>:>2>,>'c'>:>3>},> >{>'a'>:>10>,>'b'>:>20>,>'c'>:>30>}]> # Creates DataFrame.> df>=> pd.DataFrame(data)> # Print the data> print>(df)>

>

>

산출:

a b c 0 1 2 3 1 10 20 30>

또 다른 예는 사전 목록을 전달하여 Pandas DataFrame을 생성하는 것입니다. 행 인덱스 .

파이썬3




# Python code demonstrate to create> # Pandas DataFrame by passing lists of> # Dictionaries and row indices.> import> pandas as pd> # Initialize data of lists> data>=> [{>'b'>:>2>,>'c'>:>3>}, {>'a'>:>10>,>'b'>:>20>,>'c'>:>30>}]> # Creates pandas DataFrame by passing> # Lists of dictionaries and row index.> df>=> pd.DataFrame(data, index>=>[>'first'>,>'second'>])> # Print the data> print>(df)>

>

>

산출:

b c a first 2 3 NaN second 20 30 10.0>

Series 사전에서 DataFrame 만들기

사전에서 DataFrame을 생성하려면 시리즈 , 사전을 전달하여 DataFrame을 형성할 수 있습니다. 결과 인덱스는 전달된 모든 인덱스 계열의 합집합입니다.

예: 시리즈 사전에서 DataFrame을 생성합니다.

파이썬3


자바에서 난수를 생성하는 방법



# Python code demonstrate creating> # Pandas Dataframe from Dicts of series.> import> pandas as pd> # Initialize data to Dicts of series.> d>=> {>'one'>: pd.Series([>10>,>20>,>30>,>40>],> >index>=>[>'a'>,>'b'>,>'c'>,>'d'>]),> >'two'>: pd.Series([>10>,>20>,>30>,>40>],> >index>=>[>'a'>,>'b'>,>'c'>,>'d'>])}> # creates Dataframe.> df>=> pd.DataFrame(d)> # print the data.> print>(df)>

>

>

산출:

 one two a 10 10 b 20 20 c 30 30 d 40 40>

zip() 함수를 사용하여 DataFrame 만들기

다음을 사용하여 두 목록을 병합할 수 있습니다. zip() 함수 . 이제 pd.DataFrame() 함수를 호출하여 Pandas DataFrame을 만듭니다.

예: zip() 함수를 사용하여 DataFrame을 생성합니다.

파이썬3




# Python program to demonstrate creating> # pandas Dataframe from lists using zip.> import> pandas as pd> # List1> Name>=> [>'tom'>,>'krish'>,>'nick'>,>'juli'>]> # List2> Age>=> [>25>,>30>,>26>,>22>]> # get the list of tuples from two lists.> # and merge them by using zip().> list_of_tuples>=> list>(>zip>(Name, Age))> # Assign data to tuples.> list_of_tuples> # Converting lists of tuples into> # pandas Dataframe.> df>=> pd.DataFrame(list_of_tuples,> >columns>=>[>'Name'>,>'Age'>])> # Print data.> print>(df)>

>

자바 수면
>

산출:

 Name Age 0 tom 25 1 krish 30 2 nick 26 3 juli 22>

인덱스 레이블을 명시적으로 증명하여 DataFrame을 만듭니다.

인덱스 레이블을 명시적으로 제공하여 DataFrame을 생성하려면 pd.DataFrame() 생성자의 index 매개 변수를 사용할 수 있습니다. index 매개변수는 인덱스 레이블 목록을 입력으로 사용하고 DataFrame은 DataFrame의 행에 대해 이러한 레이블을 사용합니다.

예: 인덱스 레이블을 명시적으로 증명하여 DataFrame 만들기

파이썬3




# Python code demonstrate creating> # pandas DataFrame with indexed by> # DataFrame using arrays.> import> pandas as pd> # initialize data of lists.> data>=> {>'Name'>: [>'Tom'>,>'Jack'>,>'nick'>,>'juli'>],> >'marks'>: [>99>,>98>,>95>,>90>]}> # Creates pandas DataFrame.> df>=> pd.DataFrame(data, index>=>[>'rank1'>,> >'rank2'>,> >'rank3'>,> >'rank4'>])> # print the data> print>(df)>

>

>

산출:

 Name marks rank1 Tom 99 rank2 Jack 98 rank3 nick 95 rank4 juli 90>

결론

Python Pandas DataFrame은 행과 열이 있는 테이블과 유사합니다. 2차원 데이터 구조로 데이터 분석 및 데이터 조작에 매우 유용합니다.

이 튜토리얼에서는 Pandas DataFrame을 생성하는 여러 가지 방법을 논의했습니다. 이 튜토리얼을 사용하면 DataFrame 생성에 필요한 복잡한 요구 사항을 처리할 수 있습니다.