pandas.DataFrame.from_records#

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

将结构化或记录的 ndarray 转换为 DataFrame。

从结构化的ndarray、元组序列或字典创建一个DataFrame对象。

参数:

数据结构化 ndarray、元组序列或字典: 结构化输入数据。
索引str, 字段列表, 类数组: 用作索引的数组字段，或者使用特定的输入标签集。
排除序列，默认为无: 要排除的列或字段。
列序列，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，则此参数为列提供名称。否则，此参数指示结果中列的顺序（在数据中找不到的任何名称将变为全NA列）。
coerce_float布尔值, 默认为 False: 尝试将非字符串、非数字对象（如 decimal.Decimal）的值转换为浮点数，这对 SQL 结果集非常有用。
nrowsint, 默认为 None: 如果数据是迭代器，要读取的行数。

返回:

DataFrame

参见

DataFrame.from_dict: 从数组类或字典的字典创建DataFrame。
DataFrame: 使用构造函数创建 DataFrame 对象。

例子

数据可以作为结构化的 ndarray 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

数据可以作为字典列表提供：

>>> 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

数据可以作为包含相应列的元组列表提供：

>>> 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