需要在Python中创建Pandas DataFrame 吗？
如果是这样，你将看到两种不同的方法来创建Pandas DataFrame：
- Python创建Pandas DataFrame：通过在 Python 本身中键入值来创建DataFrame
- 通过从文件（例如 Excel 文件）导入值，然后根据导入的值在 Python 中创建 DataFrame
方法 1：在 Python 中键入值来创建 Pandas DataFrame
如何创建Pandas DataFrame？要在 Python 中创建 Pandas DataFrame，你可以遵循以下创建Pandas DataFrame代码示例通用模板：
import pandas as pd
data = {'First Column Name': ['First value', 'Second value',...],
'Second Column Name': ['First value', 'Second value',...],
....
}
df = pd.DataFrame (data, columns = ['First Column Name','Second Column Name',...])
print (df)请注意，你不需要在数值周围使用引号（除非你希望将这些值捕获为字符串）。
现在让我们通过一个简单的例子来看看如何应用上述模板。
首先，假设你有以下关于汽车的数据，并且你想使用 Pandas DataFrame 在 Python 中捕获这些数据：
| Brand | Price |
| Honda Civic | 22000 |
| Toyota Corolla | 25000 |
| Ford Focus | 27000 |
| Audi A4 | 35000 |
这是我们创建Pandas DataFrame代码示例的样子：
import pandas as pd
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
'Price': [22000,25000,27000,35000]
}
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
print (df)运行 Python 代码，你将获得以下 DataFrame：
你可能已经注意到，每一行都由一个从 0 开始的数字（也称为索引）表示。或者，你可以分配另一个值/名称来表示每一行。
例如，在下面的代码中，添加了index=['Car_1','Car_2','Car_3','Car_4']：
import pandas as pd
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
'Price': [22000,25000,27000,35000]
}
df = pd.DataFrame(cars, columns = ['Brand','Price'], index=['Car_1','Car_2','Car_3','Car_4'])
print (df)你现在将看到新分配的索引：
如何创建Pandas DataFrame？现在让我们回顾将值导入 Python 以创建 DataFrame 的第二种方法。
方法 2：从 Excel 文件中导入值以创建 Pandas DataFrame
Python创建Pandas DataFrame：你可以使用以下模板将 Excel 文件导入 Python以创建你的 DataFrame：
import pandas as pd
data = pd.read_excel(r'Path where the Excel file is stored\File name.xlsx') #for an earlier version of Excel use 'xls'
df = pd.DataFrame(data, columns = ['First Column Name','Second Column Name',...])
print (df)确保代码中指定的列名称与 Excel 文件中的列名称完全匹配。
假设你将下表存储在 Excel 文件中（其中 Excel文件名为“Cars”）：
| Brand | Price |
| Honda Civic | 22000 |
| Toyota Corolla | 25000 |
| Ford Focus | 27000 |
| Audi A4 | 35000 |
在下面的 Python 代码中，你需要更改路径名以反映 Excel 文件在你的计算机上的存储位置。
就我而言，Excel 文件保存在我的桌面上，位于以下路径下：
'C:\Users\Ron\Desktop\Cars.xlsx'
将数据导入 Python 后，你就可以将其分配给 DataFrame。以下是我们完整的创建Pandas DataFrame代码示例：
import pandas as pd
cars = pd.read_excel(r'C:\Users\Ron\Desktop\Cars.xlsx')
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
print (df)和以前一样，你将在 Python 中获得相同的 Pandas DataFrame：
注意：如果在运行代码时出现以下错误，则必须安装xlrd：
ImportError: Install xlrd >= 1.0.0 for Excel support
然后，你可以使用PIP 安装方法来安装 xlrd，如下所示：
pip install xlrd如何创建Pandas DataFrame？如果你需要将 CSV 文件导入 Python，而不是使用 Excel 文件，你也可以创建相同的 DataFrame 。
从 DataFrame 中获取最大值
一旦你在 DataFrame 中有你的值，你就可以执行多种操作。例如，你可以使用 Pandas 计算统计数据。
例如，假设你想在 DataFrame 内的所有汽车中找到最高价格。
显然，你可以通过查看数据集来推导出该值，但下面介绍的方法适用于更大的数据集。
要获得我们的汽车示例的最高价格，你需要将以下部分添加到 Python 代码中（然后打印结果）：
max1 = df['Price'].max()下面是完整的 Python 代码：
import pandas as pd
cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
'Price': [22000,25000,27000,35000]
}
df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
max1 = df['Price'].max()
print (max1)运行代码后，你将获得35,000的值，这确实是最高价格！
你可以查看Pandas 文档以了解有关Python创建Pandas DataFrame的更多信息。
