在 Python 中，通常使用 `pandas` 库来创建和操作 DataFrame。DataFrame 是一种二维的、表格形式的数据结构，类似于 Excel 表格或 SQL 表，可以存储不同类型的数据（如整数、浮点数、字符串等）。 下面是一些常见的初始化 DataFrame 的方法： --- ### ✅ 方法 1：从字典创建 DataFrame ```python import pandas as pd # 使用字典初始化 DataFrame data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] } df = pd.DataFrame(data) print(df) ``` **输出：** ``` Name Age City 0 Alice 25 New York 1 Bob 30 Los Angeles 2 Charlie 35 Chicago ``` > 解释：键作为列名，值（列表）作为每一列的数据。 --- ### ✅ 方法 2：从列表的列表创建（指定列名） ```python import pandas as pd # 使用二维列表初始化 data = [ ['Alice', 25, 'New York'], ['Bob', 30, 'Los Angeles'], ['Charlie', 35, 'Chicago'] ] df = pd.DataFrame(data, columns=['Name', 'Age', 'City']) print(df) ``` > 注意：必须通过 `columns` 参数指定列名，否则会报错或使用默认数字索引列名。 --- ### ✅ 方法 3：逐行或逐列添加数据（空 DataFrame 初始化） ```python import pandas as pd # 创建一个空的 DataFrame，并定义列名 df = pd.DataFrame(columns=['Name', 'Age', 'City']) # 添加一行数据 df.loc[0] = ['Alice', 25, 'New York'] df.loc[1] = ['Bob', 30, 'Los Angeles'] print(df) ``` > 这种方式适合动态构建数据，但频繁 `loc` 赋值效率较低，建议先收集数据再整体赋值。 --- ### ✅ 方法 4：从 NumPy 数组创建 ```python import pandas as pd import numpy as np data = np.array([ ['Alice', 25, 'New York'], ['Bob', 30, 'Los Angeles'], ['Charlie', 35, 'Chicago'] ]) df = pd.DataFrame(data, columns=['Name', 'Age', 'City']) print(df) ``` > 适用于科学计算场景中已有 NumPy 数据的情况。 --- ### ✅ 方法 5：从 CSV 文件或其他源初始化（常见实际用法） ```python import pandas as pd # 从 CSV 文件读取数据 df = pd.read_csv('data.csv') # 假设文件存在 ``` 但如果你只是想“初始化”一个 DataFrame，上面前四种更合适。 --- ### 总结 最常用的是 **方法1：用字典初始化**，因为它清晰、直观、可读性强。 ---