正文:

在處理數(shù)據(jù)時，經(jīng)常會遇到需要操作和轉(zhuǎn)換DataFrame的場景。特別是當(dāng)涉及到從單個或多個字典合成DataFrame，以及合并多個DataFrame時，適當(dāng)?shù)姆椒ê图记煽梢詷O大地簡化程序邏輯并提高代碼的可讀性與效率。此外，數(shù)據(jù)操作過程中，索引的正確管理是保持?jǐn)?shù)據(jù)完整性的關(guān)鍵。本文章將深入探討這些操作，并通過具體案例幫助理解和應(yīng)用。

數(shù)據(jù)合成DataFrame

在Pandas中，DataFrame是一種表格型數(shù)據(jù)結(jié)構(gòu)，它包含有序的列，每列可以是不同的值類型（數(shù)值、字符串、布爾值等）。DataFrame既可以作為數(shù)據(jù)的最終形態(tài)被分析，也可以作為數(shù)據(jù)預(yù)處理的中間步驟。下面我們將探討如何從字典列表創(chuàng)建DataFrame。

單個字典列表創(chuàng)建DataFrame

假設(shè)我們有以下字典列表，每個字典代表一個數(shù)據(jù)記錄：

data = [{"name": "Alice", "age": 30, "city": "New York"},
        {"name": "Bob", "age": 25, "city": "Paris"},
        {"name": "Charlie", "age": 35, "city": "London"}]

我們可以簡單地使用pd.DataFrame()函數(shù)將其轉(zhuǎn)換成DataFrame：

import pandas as pd

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

多個字典列表合并為DataFrame

當(dāng)有兩個字典列表時，我們可能需要將它們合并為一個DataFrame。一個常見的場景是這些字典列表代表不同時間點或不同來源的數(shù)據(jù)。讓我們以兩個字典列表為例：

data1 = [{"name": "Alice", "age": 30, "city": "New York"},
         {"name": "Bob", "age": 25, "city": "Paris"}]

data2 = [{"name": "Diana", "age": 22, "city": "Berlin"},
         {"name": "Evan", "age": 28, "city": "Toronto"}]

合并這些數(shù)據(jù)時，可以首先將它們轉(zhuǎn)換成兩個DataFrame，然后使用pd.concat()函數(shù)：

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

df = pd.concat([df1, df2], ignore_index=True)
print(df)

注意，ignore_index=True參數(shù)使得合并后的DataFrame擁有一個新的整數(shù)索引(索引重新進(jìn)行計算)。

迭代提取值:

例如一個Dataframe你想提取他的值,可以用df.iterrows()

data_A = [{'Col1': 6, 'Col2': 8},{'Col1': 9, 'Col2': 10}]



# 創(chuàng)建DataFrame對象
df_A = pd.DataFrame(data_A)



for index,row in df_A.iterrows():
    print(row['Col1'])

其中,index就是他的索引,row就是索引對應(yīng)的那一行數(shù)據(jù); 想取它的值,直接跟json提取一樣的...

索引重置

在對DataFrame進(jìn)行行的刪除或合并后，其索引可能會變得不連續(xù)或混亂。為了恢復(fù)索引的連續(xù)性并去除可能的混亂，可以使用reset_index()方法。

案例：刪除數(shù)據(jù)行并重置索引

假設(shè)我們有以下DataFrame，并且希望刪除城市為"Paris"的行：

df = pd.DataFrame([{"name": "Alice", "age": 30, "city": "New York"},
                   {"name": "Bob", "age": 25, "city": "Paris"},
                   {"name": "Charlie", "age": 35, "city": "London"}])
                   
# 刪除城市為"Paris"的行
df = df[df["city"] != "Paris"]

# 重置索引
df = df.reset_index(drop=True)
print(df)

這里，drop=True參數(shù)表示拋棄舊的索引列，如果不設(shè)置drop=True，舊的索引列將會成為DataFrame的一個列。

結(jié)論

可以見到Pandas提供的工具使得從字典列表到DataFrame的轉(zhuǎn)換、多個DataFrame的合并以及索引管理變得簡單高效。掌握這些技能能夠在進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)處理時極大地節(jié)約時間，并使得代碼更加清晰可讀。文章來源地址http://www.zghlxwxcb.cn/news/detail-834431.html

到了這里，關(guān)于數(shù)據(jù)分析Pandas專欄---第三章＜Pandas合并list和字典＞的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！