将pandas的Series转换为DataFrame。

Question

我有一个Pandas系列sf：

email
[e-mail]    [1.0, 0.0, 0.0]
[e-mail]    [2.0, 0.0, 0.0]
[e-mail]    [1.0, 0.0, 0.0]
[e-mail]    [4.0, 0.0, 0.0]
[e-mail]    [1.0, 0.0, 3.0]
[e-mail]    [1.0, 5.0, 0.0]

我希望你能把它转换为以下的 DataFrame：

index | email             | list
_____________________________________________
0     | [e-mail]  | [1.0, 0.0, 0.0]
1     | [e-mail]  | [2.0, 0.0, 0.0]
2     | [e-mail]  | [1.0, 0.0, 0.0]
3     | [e-mail]  | [4.0, 0.0, 0.0]
4     | [e-mail]  | [1.0, 0.0, 3.0]
5     | [e-mail]  | [1.0, 5.0, 0.0]

我找到了一种方法，但我怀疑它可能不是最有效的方法：

df1 = pd.DataFrame(data=sf.index, columns=['email'])
df2 = pd.DataFrame(data=sf.values, columns=['list'])
df = pd.merge(df1, df2, left_index=True, right_index=True)

- woshitom

---

在最近版本的pandas中，可以通过单个reset_index调用实现这一点。 - cs95

Answer 1

不必创建2个临时数据帧，您只需在DataFrame构造函数中使用字典将其作为参数传递即可：

pd.DataFrame({'email':sf.index, 'list':sf.values})

构建一个数据框的方法很多，请参考文档

- EdChum

---

另一个很好的选项是使用concat函数，如果你的系列具有相同的轴，则可以这样做：pd.concat([sf.index, sf.values], axis=1)。 - Lauren

Answer 2

to_frame()：

以下是初始 Series，名为 df：

email
[e-mail]    A
[e-mail]    B
[e-mail]    C
dtype: int64

我使用 to_frame 将Series转换为DataFrame：

df = df.to_frame().reset_index()

    email               0
0   [e-mail]    A
1   [e-mail]    B
2   [e-mail]    C
3   [e-mail]    D

现在您只需要重命名列名并命名索引列即可：

df = df.rename(columns= {0: 'list'})
df.index.name = 'index'

您的DataFrame已准备好进行进一步分析。

更新：我刚刚发现了这个链接，其中的答案与我的答案惊人地相似。

- Shoresh

---

series_obj.to_frame() works! I output this class type <class 'pandas.core.frame.DataFrame'> - Johnny

为什么要使用 to_frame().reset_index() 而不是只用 reset_index？你甚至可以只使用 reset_index(name='list')。 - dumbledad

Answer 3

简短回答如下：

myseries.to_frame(name='my_column_name')

或者

myseries.reset_index(drop=True, inplace=True)  # As needed

- Mysterious

---

我需要在seaborn条形图中使用转换后的DataFrame对象，因此我需要重置索引，例如，mydf = myseries.to_frame(name='my_column_name').reset_index()。 - karl li

Answer 4

Series.reset_index方法中的name参数

经常会出现这样一种情况，需要将一个 Series 提升为 DataFrame。但是如果该 Series 没有名称，则使用 reset_index 方法将得到类似以下内容：

s = pd.Series([1, 2, 3], index=['a', 'b', 'c']).rename_axis('A')
s

A
a    1
b    2
c    3
dtype: int64

：段落标签。

s.reset_index()

   A  0
0  a  1
1  b  2
2  c  3

当您看到列名为 "0" 时，我们可以通过指定 name 参数来修复它。

s.reset_index(name='B')

   A  B
0  a  1
1  b  2
2  c  3

：段落标签。

s.reset_index(name='list')

   A  list
0  a     1
1  b     2
2  c     3

---

Series.to_frame

如果您想创建一个DataFrame，而不将索引提升为列，请使用Series.to_frame，如此答案所建议的。这个函数还支持一个名字参数。

s.to_frame(name='B')

   B
A   
a  1
b  2
c  3

pd.DataFrame 构造器

您还可以通过指定 columns 参数来执行与 Series.to_frame 相同的操作：

pd.DataFrame(s, columns=['B'])

   B
A   
a  1
b  2
c  3

- cs95

---

我在想为什么有人会使用 to_frame 而不是 reset_index，但是否有时候两者都可以使用呢？这里 - dumbledad

@dumbledad 大多是实用工具。如果您需要带有索引的单列数据框，请使用 to_frame()。如果您需要两列（一列来自系列索引，另一列来自系列值本身），请使用 reset_index()。 - cs95

如果我想使用Series索引作为DataFrame列名（即转置）将Series转换为DataFrame，该怎么办？ to_frame似乎没有参数可以实现这一点。谢谢。 - Confounded

请使用 to_frame().T 将其转置。 - cs95

Answer 5

超级简单的方法也可以这样

df = pd.DataFrame(series)

它将返回一个只有1列（系列值）和1个索引（0...n）的DF。

- Lorenzo Bassetti

---

因此，pd.DataFrame(series, columns=['list']).rename_axis('email') 可能是一个不错的选择。 - masaya

Answer 6

Series.to_frame 可以用于将 Series 转换为 DataFrame。

# The provided name (columnName) will substitute the series name
df = series.to_frame('columnName')

---

举个例子，

s = pd.Series(["a", "b", "c"], name="vals")
df = s.to_frame('newCol')
print(df)

   newCol
0    a
1    b
2    c

- Giorgos Myrianthous

Answer 7

这可能被评为一种不符合Python风格的方法，但这将在一行中给出您想要的结果：

new_df = pd.DataFrame(zip(email,list))

结果：

               email               list
0   [e-mail]    [1.0, 0.0, 0.0]
1   [e-mail]    [2.0, 0.0, 0.0]
2   [e-mail]    [1.0, 0.0, 0.0]
3   [e-mail]    [4.0, 0.0, 3.0]
4   [e-mail]    [1.0, 5.0, 0.0]

- Prathamesh Mistry

Answer 8

使用series.to_frame()方法和pd.DataFrame()方法可以将Pandas Series转换为DataFrame。

import pandas
series = pandas.Series([40, 90, 80, 50, 70])
data_frame = series.to_frame()
print(data_frame)

或者使用以下内容：

data_frame = pandas.DataFrame(series)

pd.concat()方法用于在Python中将多个Series转换为单个DataFrame。

data_frame = pandas.concat([series1, series2], axis=1)

- pythonial