详细内容或原文请订阅后点击阅览
Pandas DataFrame 绝对初学者指南
了解如何从字典、列表和 NumPy 数组初始化数据框这篇文章《Pandas DataFrames 绝对初学者指南》首先出现在 Towards Data Science 上。
来源:走向数据科学背景，学习Python进行数据分析有点挑战性。语法更简单——正确。然而，语言和术语完全不同。在 SQL 中，您必须与数据库、表和列进行交互。然而，在 Python 中，对于数据分析，数据结构是你的面包和黄油。
Python 中的数据结构就像数据存储对象。 Python 包含多种内置数据结构，例如列表、元组、集合和字典。所有这些都用于存储和操作数据。有些是可变的（列表），有些则不是（元组）。要了解有关 Python 数据结构的更多信息，我强烈建议阅读 Wes McKinney 所著的《Python for Data Analysis》一书。我刚开始读它，我认为它很棒。
“用于数据分析的 Python”，作者：Wes McKinney。在这篇文章中，我将向您介绍 Pandas 中的 DataFrame 是什么以及如何一步一步创建 DataFrame。
了解数组基础知识
Python 中有一个名为 NumPy 的库；你可能听说过。它主要用于数学和数值计算。它提供的功能之一是创建数组的能力。你可能想知道。数组到底是什么？
你可能听说过数组与列表类似，但它仅存储相同数据类型的值。然而，列表可以存储不同数据类型的值（int、text、boolean 等）。这是列表的示例
my_list = [1, “你好”, 3.14, True]
列表也是可变的。换句话说，您可以添加和删除元素。
返回数组。在 Numpy 中，数组可以是多维的——这称为 ndarray（N 维数组）。例如，让我们在 Python 中导入 Numpy 库。
将 numpy 导入为 np
要在 Numpy 中创建基本数组，我们使用 np.array() 函数。在这个函数中，我们的数组被存储。
np.array()
arr = np.array([1, 2, 3, 4, 5])arr
这是结果：
数组([1, 2, 3, 4, 5])
检查数据类型。
类型(arr)
我们将获取数据类型。
numpy.ndarray
arr*2
结果：
数组([ 2, 4, 6, 8, 10])
输出：