Question

我想创建一个默认值为零的pandas数据帧，但是一列整数和另一列浮点数。我能够使用正确的类型创建一个numpy数组，请参阅下面的values变量。但是，当我将其传递给数据帧构造函数时，它只返回NaN值（请参阅下面的df）。我已经包含了返回浮点数组的无类型代码（请参阅df2）

import pandas as pd
import numpy as np

values = np.zeros((2,3), dtype='int32,float32')
index = ['x', 'y']
columns = ['a','b','c']

df = pd.DataFrame(data=values, index=index, columns=columns)
df.values.dtype

values2 = np.zeros((2,3))
df2 = pd.DataFrame(data=values2, index=index, columns=columns)
df2.values.dtype

有关如何构建数据框的任何建议吗？

Answer 1

您可以选择以下几个选项：

import numpy as np
import pandas as pd

index = ['x', 'y']
columns = ['a','b','c']

# Option 1: Set the column names in the structured array's dtype 
dtype = [('a','int32'), ('b','float32'), ('c','float32')]
values = np.zeros(2, dtype=dtype)
df = pd.DataFrame(values, index=index)

# Option 2: Alter the structured array's column names after it has been created
values = np.zeros(2, dtype='int32, float32, float32')
values.dtype.names = columns
df2 = pd.DataFrame(values, index=index, columns=columns)

# Option 3: Alter the DataFrame's column names after it has been created
values = np.zeros(2, dtype='int32, float32, float32')
df3 = pd.DataFrame(values, index=index)
df3.columns = columns

# Option 4: Use a dict of arrays, each of the right dtype:
df4 = pd.DataFrame(
    {'a': np.zeros(2, dtype='int32'),
     'b': np.zeros(2, dtype='float32'),
     'c': np.zeros(2, dtype='float32')}, index=index, columns=columns)

# Option 5: Concatenate DataFrames of the simple dtypes:
df5 = pd.concat([
    pd.DataFrame(np.zeros((2,), dtype='int32'), columns=['a']), 
    pd.DataFrame(np.zeros((2,2), dtype='float32'), columns=['b','c'])], axis=1)

# Option 6: Alter the dtypes after the DataFrame has been formed. (This is not very efficient)
values2 = np.zeros((2, 3))
df6 = pd.DataFrame(values2, index=index, columns=columns)
for col, dtype in zip(df6.columns, 'int32 float32 float32'.split()):
    df6[col] = df6[col].astype(dtype)

上述每个选项都会产生相同的结果

   a  b  c
x  0  0  0
y  0  0  0

使用dtypes：

a      int32
b    float32
c    float32
dtype: object

为什么pd.DataFrame(values, index=index, columns=columns)生成带有NaN的数据框：

values是一个结构化数组，其列名为f0，f1，f2：

In [171]:  values
Out[172]: 
array([(0, 0.0, 0.0), (0, 0.0, 0.0)], 
      dtype=[('f0', '<i4'), ('f1', '<f4'), ('f2', '<f4')])

如果您将参数columns=['a', 'b', 'c']传递给pd.DataFrame，那么Pandas将在结构化数组values中查找包含这些名称的列。如果找不到这些列，Pandas会将NaN放在DataFrame中以表示缺失值。

使用包含多个类型的numpy数组创建Pandas DataFrame

1 个答案: