从Python数组生成Pandas数据框

时间:2018-12-04 15:41:36

标签: python python-3.x pandas

我正在使用Python(3.6)开发一个项目,其中有一个美国州数组,我想从该数组生成一个列名称为state的数据框。

以下是美国的阵列:

['NE', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'WD', 'ID', 'ID', 'ID', `'ID', 'ID', 'ID', 'ID', 'ID', 'WD', 'ID', 'ID', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'NY', 'NY', 'NY', 'ID', 'ID', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'WD', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'DE', 'DE', 'NY', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'NY', 'NY', 'DE', 'DE', 'DE', 'DE', 'WD', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'ID', 'NY', 'ID', 'WD', 'NY', 'NY', 'WD', 'NY', 'NY', 'LA', 'LA', 'DE', 'LA', 'LA', 'ID', 'LA', 'DE', 'LA', 'ID', 'LA', 'DE', 'LA', 'LA', 'ID', 'DE', 'LA', 'OK', 'OK', 'LA', 'LA', 'ID', 'WD', 'WD', 'LA', 'ID', 'LA', 'OK', 'OK', 'OK', 'LA', 'ID', 'ID', 'OK', 'ID', 'LA', 'ID', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'OK', 'ID', 'LA', 'LA', 'LA', 'ID', 'LA', 'LA', 'ID', 'ID', 'ID', 'ID', 'OK', 'ID', 'WD', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'OK', 'DE', 'WD', 'LA', 'WD', 'LA', 'WD', 'LA', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'LA', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'LA', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'WD', 'NY', 'WD', 'NY', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'NE', 'OK', 'NE', 'NE', 'NE', 'SD', 'NE', 'NY', 'NE', 'NE', 'NE', 'LA', 'LA', 'LA', 'LA', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'OK', 'NE', 'NE', 'OK', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'OK', 'NY', 'OK', 'NY', 'OK', 'UT', 'UT', 'UT', 'UT', 'UT', 'WD', 'OK', 'CO', 'OK', 'OK', 'OK', 'OK', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'CO', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'LA', 'ID', 'WD', 'ID\n', 'WD', 'LA', 'WD', 'WD', 'WD', 'WD', 'NY', 'WD', 'ID', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'SD', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'WD', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'ID', 'NY', 'ID', 'NY', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'DE', 'DE', 'DE', 'NY', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'NY', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'WD', 'DE', 'DE', 'WD', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'WD', 'ID', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'ID', 'DE', 'DE', 'LA', 'LA', 'LA', 'ID', 'LA', 'ID', 'ID', 'LA', 'LA', 'LA', 'DE', 'ID', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'OK', 'LA', 'ID', 'OK', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'ID', 'ID', 'OK', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'OK', 'WD', 'WD', 'WD', 'LA', 'LA', 'WD', 'WD', 'WD', 'ID', 'ID', 'LA', 'LA', 'LA', 'LA', 'DE', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'WD', 'WD', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'SD', 'NY', 'NY', 'SD', 'NE', 'WD', 'NY', 'NE', 'OK', 'SD', 'NE', 'NE', 'NY', 'NE', 'OK', 'OK', 'NE', 'ID', 'NE', 'LA', 'LA', 'LA', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'OK', 'NE', 'OK', 'NE', 'NE', 'WD', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'LA', 'OK', 'OK', 'UT', 'UT', 'UT', 'UT', 'OK', 'OK', 'OK', 'OK', 'OK', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'WD', 'ID\n', 'LA', 'ID', 'ID', 'WD', 'NY', 'LA', 'ID\n', 'ID\n', 'LA', 'LA', 'ID', 'WD', 'LA', 'WD', 'LA', 'LA', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'DE', 'DE', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'NY', 'ID', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'WD', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'NY', 'WD', 'NY', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'WD', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'NY', 'NY', 'WD', 'WD', 'ID', 'WD', 'LA', 'LA', 'ID', 'LA', 'LA', 'ID', 'LA', 'ID', 'ID', 'LA', 'LA', 'DE', 'LA', 'ID', 'LA', 'LA', 'LA', 'DE', 'DE', 'LA', 'LA', 'DE', 'ID', 'ID', 'LA', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'WD', 'ID', 'LA', 'OK', 'OK', 'ID', 'LA', 'LA', 'ID', 'ID', 'OK', 'ID', 'LA', 'LA', 'ID', 'LA', 'ID', 'LA', 'LA', 'ID', 'OK', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'OK', 'LA', 'LA', 'WD', 'WD', 'OK', 'WD', 'WD', 'ID', 'LA', 'LA', 'ID', 'ID', 'LA', 'LA', 'LA', 'LA', 'OK', 'WD', 'LA', 'LA', 'WD', 'WD', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'NY', 'NY', 'NY', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'OK', 'NY', 'NE', 'NY', 'NY', 'NE', 'NE', 'NE', 'NY', 'NE', 'NE', 'NE', 'NE', 'OK', 'NE', 'NE', 'NE', 'NE', 'NE', 'LA', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'ID', 'NE', 'NE', 'NE', 'OK', 'NE', 'NE', 'NE', 'NE', 'WD', 'NE', 'NE', 'NE', 'NE', 'OK', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'LA', 'LA', 'LA', 'LA', 'UT', 'UT', 'OK', 'UT', 'UT', 'UT', 'UT', 'UT', 'OK', 'OK', 'WD', 'OK', 'OK', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'NY', 'LA', 'ID\n', 'WD', 'WD', 'WD', 'ID\n', 'WD', 'LA', 'ID', 'NY', 'WD', 'SD', 'WD', 'WD', 'ID\n', 'LA', 'WD', 'WD', 'WD', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'SD', 'DE', 'DE', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'NY', 'NY', 'NY', 'NY', 'ID', 'ID', 'NY', 'NY', 'NY', 'ID', 'NY', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'WD', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'NY', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'ID', 'ID', 'NY', 'NY', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'NY', 'DE', 'DE', 'DE', 'NY', 'WD', 'NY', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'WD', 'NY', 'ID', 'WD', 'NY', 'ID', 'NY', 'NY', 'NY', 'NY', 'LA', 'DE', 'LA', 'LA', 'LA', 'LA', 'ID', 'LA', 'DE', 'ID', 'DE', 'LA', 'LA', 'DE', 'OK', 'ID', 'LA', 'ID', 'ID', 'ID', 'OK', 'LA', 'WD', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'LA', 'LA', 'ID', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'ID', 'ID', 'LA', 'WD', 'LA', 'ID', 'WD', 'ID', 'LA', 'WD', 'OK', 'ID', 'LA', 'ID', 'DE', 'OK', 'OK', 'LA', 'OK', 'LA', 'WD', 'LA', 'WD', 'LA', 'WD', 'WD', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'WD', 'WD', 'NY', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'NY', 'SD', 'NY', 'SD', 'NE', 'SD', 'NE', 'NY', 'NE', 'CO', 'NE', 'NE', 'NE', 'NE', 'NE', 'WD', 'WD', 'LA', 'LA', 'NE', 'NE', 'NE', 'UT', 'NE', 'NE', 'NE', 'NE', 'OK', 'NE', 'NE', 'NE', 'NE', 'LA', 'NE', 'NE', 'OK', 'OK', 'OK', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'NE', 'LA', 'LA', 'LA', 'OK', 'UT', 'UT', 'UT', 'UT', 'UT', 'OK', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'WD', 'WD', 'LA', 'WD', 'WD', 'LA', 'WD', 'ID', 'LA', 'ID', 'WD', 'LA', 'WD', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'ID', 'SD', 'ID', 'NY', 'NY', 'NY', 'ID', 'NY', 'ID', 'ID', 'NY', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'NY', 'NY', 'NY', 'NY', 'NY', 'ID', 'WD', 'ID', 'ID', 'NY', 'NY', 'ID', 'WD', 'NY', 'NY', 'NY', 'ID', 'NY', 'NY', 'NY', 'ID', 'ID', 'NY', 'NY', 'NY', 'ID', 'WD', 'NY', 'ID', 'ID', 'ID', 'WD', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'WD', 'NY', 'ID', 'NY', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'ID', 'NY', 'ID', 'ID', 'ID', 'ID', 'NY', 'NY', 'NY', 'ID', 'ID', 'ID', 'WD', 'DE', 'NY', 'DE', 'DE', 'WD', 'NY', 'DE', 'NY', 'DE', 'NY', 'DE', 'DE', 'DE', 'NY', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'DE', 'DE', 'DE', 'NY', 'DE', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'WD', 'NY', 'NY', 'LA', 'ID', 'LA', 'LA', 'LA', 'DE', 'ID', 'DE', 'DE', 'LA', 'LA', 'OK', 'ID', 'OK', 'LA', 'LA', 'ID', 'WD', 'ID', 'LA', 'OK', 'ID', 'LA', 'LA', 'LA', 'WD', 'WD', 'ID', 'OK', 'OK', 'OK', 'LA', 'ID', 'ID', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'LA', 'ID', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'ID', 'WD', 'LA', 'ID', 'ID', 'WD', 'WD', 'LA', 'LA', 'DE', 'LA', 'LA', 'LA', 'DE', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'LA', 'WD', 'WD', 'WD', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'LA', 'WD', 'LA', 'LA', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'WD', 'NY', 'NY', 'WD', 'WD', 'WD', 'NY', 'NY', 'NY', 'NY', 'WD', 'WD', 'WD', 'NY', 'NY', 'WD', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'NY', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'NY', 'OK', 'NY', 'OK', 'CO', 'OK', 'OK', 'NE', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'LA', 'NE', 'NE','WD', 'WD', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'CO', 'WD', 'ID\n', 'ID', 'NY', 'SD', 'LA', 'LA', 'LA', 'NY', 'NY', 'LA', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD', 'WD']`

问题: 如何计算数组中每个状态的百分比,如何从该数组生成熊猫的数据框?如何实现?

谢谢!

2 个答案:

答案 0 :(得分:3)

value_counts + normalize

pd.DataFrame({'State':l}).State.value_counts(normalize=True)
Out[893]: 
WD      0.206635
NY      0.186256
LA      0.178199
ID      0.160190
DE      0.075829
CO      0.074882
NE      0.063033
OK      0.035071
UT      0.010427
SD      0.005687
ID\n    0.003791
Name: State, dtype: float64

答案 1 :(得分:2)

这是相对简单的,pandas就像将它们读为列一样读取字典,因此您可以执行以下操作:

df = pd.DataFrame({'state': your_array})

要使用熊猫来计数您的状态,

df['state'].value_counts()
# output:

WD      436
NY      393
LA      376
ID      338
DE      160
CO      158
NE      133
OK       74
UT       22
SD       12
ID\n      8

但是,在没有熊猫的情况下实现此目的的更好方法可能是:

from collections import Counter
d = Counter(your_array)
percents = {k: float(v)/len(l) * 100 for k, v in d.items()}

结果:

{'CO': 7.488151658767772,
 'DE': 7.5829383886255926,
 'ID': 16.018957345971565,
 'ID\n': 0.37914691943127965,
 'LA': 17.819905213270143,
 'NE': 6.303317535545023,
 'NY': 18.62559241706161,
 'OK': 3.5071090047393367,
 'SD': 0.5687203791469194,
 'UT': 1.042654028436019,
 'WD': 20.66350710900474}