Python數據處理：pandas字典轉換為DataFrame

Python 是一門功能強大的編程語言，也是數據科學領域中最常用的語言之一。在數據處理方面，pandas 庫提供了很多強大的工具。這篇文章將會詳細討論如何將 Python 字典轉換為 pandas DataFrame。

一、字典和DataFrame的介紹

在 Python 中，字典是一種無序的數據結構，它由鍵值對組成。字典的鍵必須是不可變的，而值可以是任何對象。

example_dict = {'Name': 'John', 'Age': 25, 'Gender': 'Male', 'Country': 'USA'}

而 DataFrame 則是 pandas 提供的一種高效的、二維表格形式的數據結構。它是由行和列組成的，其中每列可以是不同的類型（例如數字、字元串、布爾等）。DataFrame 可以通過多種方式創建，其中一種方式就是將字典轉換為 DataFrame。

二、使用 pandas 將字典轉換為 DataFrame

在 pandas 中，將字典轉換為 DataFrame 的方法非常簡單。可以使用 pandas 的 `DataFrame()` 函數，將字典作為參數傳遞進去即可。

import pandas as pd

example_dict = {'Name': ['John', 'Cathy', 'Bob'], 'Age': [25, 30, 20], 'Gender': ['Male', 'Female', 'Male'], 'Country': ['USA', 'UK', 'USA']}

df = pd.DataFrame(example_dict)
print(df)

這個例子中，我們創建了一個名為 example_dict 的字典，其中包含了名字、年齡、性別和國家等信息。然後，我們將這個字典傳遞給函數 `DataFrame()`，最後將結果賦值給名為 df 的變數，並將其列印出來。

輸出結果如下：

    Name  Age  Gender Country
0   John   25    Male     USA
1  Cathy   30  Female      UK
2    Bob   20    Male     USA

可以看到，DataFrame 中的每一列都對應於字典中的一個鍵，而每一行都對應於字典中的一個值。

三、DataFrame 的相關操作

1. 訪問 DataFrame 的行和列

在 pandas 中，可以使用行索引和列索引來訪問 DataFrame 中的元素。

# 訪問 Name 列
print(df['Name'])

# 訪問第一行
print(df.loc[0])

# 訪問第二行的 Age 值
print(df.loc[1, 'Age'])

輸出結果如下：

0     John
1    Cathy
2      Bob
Name: Name, dtype: object
Name        John
Age           25
Gender      Male
Country      USA
Name: 0, dtype: object
30

2. 添加、刪除行和列

在 pandas 中，可以使用 `drop()` 函數和 `insert()` 函數來刪除和添加行和列。

# 刪除 Name 列
df = df.drop('Name', axis=1)

# 添加新的一列
df['Salary'] = [50000, 60000, 40000]

# 插入新的一行
new_row = {'Name': 'Tony', 'Age': 35, 'Gender': 'Male', 'Country': 'Canada', 'Salary': 70000}
df = df.append(new_row, ignore_index=True)

print(df)

輸出結果如下：

   Age  Gender Country  Salary  Name
0   25    Male     USA   50000   NaN
1   30  Female      UK   60000   NaN
2   20    Male     USA   40000   NaN
3   35    Male  Canada   70000  Tony

四、小結

在本文中，我們學習了如何將 Python 字典轉換為 pandas DataFrame。我們了解了字典和 DataFrame 的基本概念，並且展示了如何使用 pandas 中的 `DataFrame()` 函數將一個字典轉換為 DataFrame。除此之外，我們還介紹了一些 DataFrame 的基本操作，例如如何訪問 DataFrame 的行和列，以及如何添加和刪除行和列。