pandas pd.DataFrame.from_dict() 从字典创建 DataFrame

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.DataFrame.from_dict 是一个类方法，用于从字典类型的数据创建一个 DataFrame。它支持多种不同的数据结构，并允许通过参数来控制 DataFrame 的结构和内容。下面是对这个方法的详细讲解。

语法

函数签名

classmethod DataFrame.from_dict(
    data, 
    orient='columns', 
    dtype=None, 
    columns=None
)

参数解析

data：
- 类型：dict
- 说明：数据来源的字典对象。键（key）可以是列标签或行标签，值（value）则是数据序列（如列表、元组或其他可迭代对象）。
orient：
- 类型：str，默认值为 'columns'
- 说明：用于指定字典数据的排列方式。可选值有：
  - 'columns'：字典的键作为列标签，值作为列中的数据。
  - 'index'：字典的键作为行标签，值作为行中的数据。
dtype：
- 类型：data type 或者 None，默认值为 None
- 说明：指定输出的 DataFrame 的数据类型。如果为 None，则数据类型会自动推断。
columns：
- 类型：list-like 或者 None，默认值为 None
- 说明：指定 DataFrame 的列标签。如果 orient='index'，此参数会被忽略。如果不为 None，columns 必须与数据中的键匹配，否则会引发错误。

返回值

返回一个 pandas.DataFrame 对象。

使用场景

DataFrame.from_dict 常用于将字典类型的数据转换为 DataFrame，特别适合处理字典嵌套结构或列表字典的情况。它的灵活性允许用户根据数据结构的不同来指定行或列标签。

示例

默认情况下，dict的键变为DataFrame列：

data = {'col_1': [3, 2, 1, 0], 'col_2': ['a', 'b', 'c', 'd']}
pd.DataFrame.from_dict(data)
'''
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d
'''

指定oriente='index'以使用字典键作为行创建DataFrame：

data = {'row_1': [3, 2, 1, 0], 'row_2': ['a', 'b', 'c', 'd']}
pd.DataFrame.from_dict(data, orient='index')
'''
       0  1  2  3
row_1  3  2  1  0
row_2  a  b  c  d
'''

使用“索引”方向时，可以手动指定列名：

pd.DataFrame.from_dict(data, orient='index',
                       columns=['A', 'B', 'C', 'D'])
'''
       A  B  C  D
row_1  3  2  1  0
row_2  a  b  c  d
'''

指定oriental使用'tight'格式创建DataFrame：

data = {'index': [('a', 'b'), ('a', 'c')],
        'columns': [('x', 1), ('y', 2)],
        'data': [[1, 3], [2, 4]],
        'index_names': ['n1', 'n2'],
        'column_names': ['z1', 'z2']}

pd.DataFrame.from_dict(data, orient='tight')
'''
z1     x  y
z2     1  2
n1 n2
a  b   1  3
   c   2  4
'''

举例说明

1. 基础用法：`orient='columns'`

import pandas as pd

data = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9]
}

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

输出：

说明：默认情况下，orient 为 'columns'，字典的键成为 DataFrame 的列标签，字典的值对应每一列的数据。

2. 使用 `orient='index'`

data = {
    "row1": {"A": 1, "B": 2, "C": 3},
    "row2": {"A": 4, "B": 5, "C": 6},
    "row3": {"A": 7, "B": 8, "C": 9}
}

df = pd.DataFrame.from_dict(data, orient='index')
print(df)

输出：

A  B  C
row1  1  2  3
row2  4  5  6
row3  7  8  9

说明：使用 orient='index' 时，字典的键作为行标签，值（嵌套字典的键）成为 DataFrame 的列标签。

3. 指定数据类型 `dtype`

data = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9]
}

df = pd.DataFrame.from_dict(data, dtype='float')
print(df)

输出：

A    B    C
0  1.0  4.0  7.0
1  2.0  5.0  8.0
2  3.0  6.0  9.0

说明：dtype='float' 指定了 DataFrame 中所有列的数据类型为浮点型。

4. 使用 `columns` 参数

data = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9]
}

df = pd.DataFrame.from_dict(data, columns=["B", "A"])
print(df)

输出：

说明：通过 columns 参数指定了 DataFrame 的列顺序，DataFrame 只会保留 columns 中提到的列。

总结

DataFrame.from_dict 是一个强大的工具，能够方便地从字典数据创建 DataFrame，并通过 orient、dtype 和 columns 等参数灵活控制数据的显示方式。这个方法非常适用于数据预处理和数据整理的场景。

pandas pd.DataFrame.from_dict() 从字典创建 DataFrame

语法

函数签名

参数解析

返回值

使用场景

示例

举例说明

1. 基础用法：orient='columns'

2. 使用 orient='index'

3. 指定数据类型 dtype

4. 使用 columns 参数

总结

相关内容

1. 基础用法：`orient='columns'`

2. 使用 `orient='index'`

3. 指定数据类型 `dtype`

4. 使用 `columns` 参数