来自组 pandas 的 dict - Python

简介

pandas 是 Python 中的一个开源数据分析和数据处理库。pandas 中有一个很常用的数据结构叫做 DataFrame，它类似于其他语言中的表格或者电子表格。在 DataFrame 中，每一列数据可以是不同的类型（str、int、float 等），并且可以进行各种复杂的操作。

在 pandas 中，可以通过从一个 dict 创建 DataFrame 来实现数据的处理和分析。下面我们来一步步介绍如何使用来自组 pandas 的 dict。

创建 dict

我们可以通过直接创建一个字典来创建 DataFrame。例如：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40]}
df = pd.DataFrame(data)
print(df)

输出结果为：

       name  age
0     Alice   25
1       Bob   30
2   Charlie   35
3     David   40

在这个字典中，'name' 和 'age' 是数据列的名称。可以发现，pandas 已经自动按照列名和行号进行了格式化。

创建带有索引的 dict

如果我们想要进一步设置行名，可以在生成 DataFrame 时设置 'index' 参数：

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40]}
df = pd.DataFrame(data, index=['A', 'B', 'C', 'D'])
print(df)

输出结果为：

      name  age
A    Alice   25
B      Bob   30
C  Charlie   35
D    David   40

在这个 DataFrame 中，我们为其添加了行索引，它们分别为 A、B、C 和 D，而不再是默认的数字索引。

访问 dict

访问 DataFrame 中的数据可以使用类似于字典查询的方式，例如：

print(df['name'])

输出结果为：

A      Alice
B        Bob
C    Charlie
D      David
Name: name, dtype: object

如果我们希望访问多列数据，则可以使用多个列名构成的列表，例如：

print(df[['name', 'age']])

输出结果为：

      name  age
A    Alice   25
B      Bob   30
C  Charlie   35
D    David   40

其他操作

除了上述操作之外，pandas 还提供了丰富的数据操作和分析的功能，例如数据类型转换、数据合并、数据过滤等等。这些功能的使用方法可以参考 pandas 文档。

结论

通过使用来自组 pandas 的 dict，我们可以方便地创建、访问和处理 DataFrame 数据，从而完成各种数据分析和处理任务。