Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)

前面介绍了1、可视化方法;2、机器学习预测应用;3、图像识别;4、文本分析相关的案例研究(具体见之前的文章)。

本期将继续做关于数据分析类实战系列文章,列举一些在平时数据处理中经常遇到的一些小问题,提供一个解决方案,让读者慢慢理解python数据分析的原理和方法,每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。

实现功能:

字典、列表(数组)、序列创建DataFrame并保存为excel文件

实现代码:

#Python中创建DataFrame的方法
import pandas as pd
import numpy as np
#1、字典生成
students = {'name':['小明','小红','小马'],'age':[13,14,15],'grade':['七年级','八年级','九年级']}
df1 = pd.DataFrame(students,index=['stu1','stu2','stu3'])
print(df1)

#2、列表生成
#2.1字典组成的列表转化为dataframe
df2 =pd.DataFrame([{'one': 1, 'two': 2}, {'one': 5, 'two': 10, 'three': 20}],index=[1,2])
print(df2)
#2.2两个一维列表转化为dataframe
Name=['小明','小红','小马']
Marks=[12,13,15]
list_tuples=list(zip(Name,Marks))
df3=pd.DataFrame(data=list_tuples,columns=['name','age'],index=['stu1','stu2','stu3'])
print(df3)
#2.3一个二维列表/数组转化为dataframe
list1 = [['小明',13,'七年级'],['小红',14,'八年级'],['小马',15,'九年级']]
df4 = pd.DataFrame(data=list1,columns=['name','age','grade'],index=['stu1','stu2','stu3'])
print(df4)
arr = np.arange(9).reshape(3,3)
df5 = pd.DataFrame(data=arr, index = ['a', 'b', 'c'], columns = ['one','two','three'])
print(df5)

#3、Series生成
s1=pd.Series(np.random.rand(2), index = ['a','b'])
s2=pd.Series(np.random.rand(3),index = ['a','b','c'])
df6 =pd.DataFrame({'one':s1,'two':s2})
print(df6)

上面介绍了创建DataFrame的几种方式,接着使用DataFrame.to_excel()方法即可将DataFrame内容保持到指定路径的Excel文件。

实现效果:

Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)_第1张图片
Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)_第2张图片
Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)_第3张图片
Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)_第4张图片
Python数据分析实战-字典、列表(数组)、Series创建DataFrame并保存为excel文件(附源码和实现效果)_第5张图片
本人读研期间发表5篇SCI数据挖掘相关论文,现在某研究院从事数据挖掘相关科研工作,对数据挖掘有一定认知和理解,会结合自身科研实践经历不定期分享关于python机器学习、深度学习、数据挖掘基础知识与案例。
致力于只做原创,以最简单的方式理解和学习,关注我一起交流成长。
关注V订阅号:数据杂坛可在后台联系我获取相关数据集和源码,送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。

你可能感兴趣的:(Python,数据分析,python,数据分析,pandas)