pandas.DataFrame.from_records#

classmethod DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None)[源代码]#

将结构化或录制ndarray转换为DataFrame。

从结构化的ndarray、元组或字典序列或DataFrame创建DataFrame对象。

参数

data结构化ndarray、元组或字典的序列或DataFrame: 结构化输入数据。
index字符串，字段列表，数组形式: 要用作索引的数组字段，也可以是要使用的一组特定输入标签。
exclude序列，默认为无: 要排除的列或字段。
columns序列，默认为无: 要使用的列名。如果传递的数据没有与之关联的名称，则此参数提供列的名称。否则，该参数指示列在结果中的顺序(数据中未找到的任何名称都将成为全NA列)。
coerce_float布尔值，默认为False: 尝试将非字符串、非数值对象(如decimal.Decimal)的值转换为浮点数，这对SQL结果集很有用。
nrowsInt，默认为无: 如果数据是迭代器，则要读取的行数。

退货

DataFrame

参见

DataFrame.from_dict: 数据帧来自DICT或DICTS。
DataFrame: 使用构造函数创建DataFrame对象。

示例

数据可以以结构化ndarray的形式提供：

>>> data = np.array([(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')],
...                 dtype=[('col_1', 'i4'), ('col_2', 'U1')])
>>> pd.DataFrame.from_records(data)
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

数据可以以字典列表的形式提供：

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

数据可以以具有相应列的元组列表的形式提供：

>>> data = [(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')]
>>> pd.DataFrame.from_records(data, columns=['col_1', 'col_2'])
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

pandas.DataFrame.from_dict

pandas.DataFrame.ge