从变量中的值构造熊猫DataFrame给出“ValueError：如果使用所有标量值，则必须传递索引”

这可能是一个简单的问题，但我不知道如何做到这一点。假设我有两个变量如下。

a = 2
b = 3

我想从这里构造一个DataFrame：

df2 = pd.DataFrame({'A':a,'B':b})

这会生成一个错误：

ValueError：如果使用所有标量值，则必须传递索引

我也试过这个：

df2 = (pd.DataFrame({'a':a,'b':b})).reset_index()

这会给出相同的错误消息。

1063081 次浏览
小开
最佳答案

错误消息说，如果您要传递标量值，则必须传递索引。因此，您可以不对列使用标量值——例如使用列表：

>>> df = pd.DataFrame({'A': [a], 'B': [b]})
>>> df
A  B
0  2  3

或者使用标量值并传递索引：

>>> df = pd.DataFrame({'A': a, 'B': b}, index=[0])
>>> df
A  B
0  2  3
小开

您需要提供可迭代对象作为Pandas DataFrame列的值：

df2 = pd.DataFrame({'A':[a],'B':[b]})
小开

您还可以使用pd.DataFrame.from_records，当您已经拥有字典时更方便：

df = pd.DataFrame.from_records([{ 'A':a,'B':b }])

如果需要，您还可以通过以下方式设置索引：

df = pd.DataFrame.from_records([{ 'A':a,'B':b }], index='A')
小开

如果您有一个字典，您可以使用以下代码行将其转换为熊猫数据帧： 

pd.DataFrame({"key": d.keys(), "value": d.values()})
小开

也许Series会提供您需要的所有功能：

pd.Series({'A':a,'B':b})

DataFrame可以被认为是Series的集合，因此您可以：

  • 将多个Series连接到一个数据帧中（如此处所述）

  • 将Series变量添加到存量数据帧中（示例

小开

这是因为DataFrame有两个直观的维度-列和行。

您仅使用字典键指定列。

如果您只想指定一维数据，请使用Series！

小开

你需要先创建一个熊猫系列。第二步是将熊猫系列转换为熊猫数据框。

import pandas as pd
data = {'a': 1, 'b': 2}
pd.Series(data).to_frame()

您甚至可以提供列名。

pd.Series(data).to_frame('ColumnName')
小开

如果您打算转换标量字典，则必须包含一个索引：

import pandas as pd


alphabets = {'A': 'a', 'B': 'b'}
index = [0]
alphabets_df = pd.DataFrame(alphabets, index=index)
print(alphabets_df)

尽管索引不是列表字典所必需的，但同样的想法可以扩展到列表字典：

planets = {'planet': ['earth', 'mars', 'jupiter'], 'length_of_day': ['1', '1.03', '0.414']}
index = [0, 1, 2]
planets_df = pd.DataFrame(planets, index=index)
print(planets_df)

当然，对于列表字典，您可以在没有索引的情况下构建数据帧：

planets_df = pd.DataFrame(planets)
print(planets_df)
小开

你可以试试：

df2 = pd.DataFrame.from_dict({'a':a,'b':b}, orient = 'index')

从'orient'参数的留档：如果传递的字典的键应该是结果DataFrame的列，则传递'列'（默认）。否则，如果键应该是行，则传递'index'。

小开

输入不必是记录列表-它也可以是单个字典：

pd.DataFrame.from_records({'a':1,'b':2}, index=[0])
a  b
0  1  2

这似乎相当于：

pd.DataFrame({'a':1,'b':2}, index=[0])
a  b
0  1  2
小开

我对numpy数组也有同样的问题，解决方案是将它们展平：

data = {
'b': array1.flatten(),
'a': array2.flatten(),
}


df = pd.DataFrame(data)
小开

只需在列表中传递判决：

a = 2
b = 3
df2 = pd.DataFrame([{'A':a,'B':b}])
小开

熊猫的魔法在起作用。所有的逻辑都出来了。

错误消息"ValueError: If using all scalar values, you must pass an index"说您必须传递索引。

这并不一定意味着通过索引会让熊猫做你想让它做什么

当您传递索引时，Pandas将把您的字典键视为列名，并将值视为索引中每个值的列应包含的内容。

a = 2
b = 3
df2 = pd.DataFrame({'A':a,'B':b}, index=[1])


A   B
1   2   3

传递一个更大的索引：

df2 = pd.DataFrame({'A':a,'B':b}, index=[1, 2, 3, 4])


A   B
1   2   3
2   2   3
3   2   3
4   2   3

索引通常是在没有给出索引的情况下由数据框自动生成的。但是，熊猫不知道你想要多少行2和3。但是，你可以更明确地说明它

df2 = pd.DataFrame({'A':[a]*4,'B':[b]*4})
df2


A   B
0   2   3
1   2   3
2   2   3
3   2   3

但是，默认索引是基于0的。

我建议在创建数据帧时始终将列表字典传递给数据帧构造函数。对于其他开发人员来说更容易阅读。Pandas有很多警告，不要让其他开发人员必须精通所有这些才能阅读您的代码。

小开

您可以尝试将字典包装成一个列表：

my_dict = {'A':1,'B':2}
pd.DataFrame([my_dict])

   A  B
0  1  2
小开

将字典转换为数据帧

col_dict_df = pd.Series(col_dict).to_frame('new_col').reset_index()

为列命名

col_dict_df.columns = ['col1', 'col2']
小开

你可以试试这个： df2=pd.DataFrame.from_dict（{'a'： a，'b'： b}， orient='index'）

小开

将'a'和'b'值更改为列表，如下所示：

a = [2]
b = [3]

然后执行相同的代码，如下所示：

df2 = pd.DataFrame({'A':a,'B':b})
df2

你会得到：

    A   B
0   2   3
小开

我通常使用以下方法从dicts快速创建一个小表。

假设您有一个字典，其中键是文件名，值是它们对应的文件大小，您可以使用以下代码将其放入DataFrame中（注意字典上的.项目（）调用）：

files = {'A.txt':12, 'B.txt':34, 'C.txt':56, 'D.txt':78}
filesFrame = pd.DataFrame(files.items(), columns=['filename','size'])
print(filesFrame)


filename  size
0    A.txt    12
1    B.txt    34
2    C.txt    56
3    D.txt    78
小开

最简单的选项ls：

dict  = {'A':a,'B':b}
df = pd.DataFrame(dict, index = np.arange(1) )
小开

另一种选择是使用字典理解即时将标量转换为列表：

df = pd.DataFrame(data={k: [v] for k, v in mydict.items()})

表达式{…}创建了一个新的字典，其值是一个包含1个元素的列表。例如：

In [20]: mydict
Out[20]: {'a': 1, 'b': 2}


In [21]: mydict2 = { k: [v] for k, v in mydict.items()}


In [22]: mydict2
Out[22]: {'a': [1], 'b': [2]}
小开

我尝试了转置（），它奏效了。 缺点：您创建了一个新对象。

testdict1 = {'key1':'val1','key2':'val2','key3':'val3','key4':'val4'}


df = pd.DataFrame.from_dict(data=testdict1,orient='index')
print(df)
print(f'ID for DataFrame before Transpose: {id(df)}\n')


df = df.transpose()
print(df)
print(f'ID for DataFrame after Transpose: {id(df)}')

产出

         0
key1  val1
key2  val2
key3  val3
key4  val4
ID for DataFrame before Transpose: 1932797100424


key1  key2  key3  key4
0  val1  val2  val3  val4
ID for DataFrame after Transpose: 1932797125448


​```
小开 
import pandas as pd
a=2
b=3
dict = {'A': a, 'B': b}


pd.DataFrame(pd.Series(dict)).T
# *T :transforms the dataframe*


Result:
A   B
0   2   3
小开

要找出“ValueError”，需要了解DataFrame和“标量值”。
要从字典创建Dataframe，需要至少一个数组。

IMO，数组本身被索引。
因此，如果存在类似数组的值，则无需指定index。
例如，['a'，'s'，'d'，'f']中每个元素的索引分别为0,1,2,3。

df_array_like = pd.DataFrame({
'col' : 10086,
'col_2' : True,
'col_3' : "'at least one array'",
'col_4' : ['one array is arbitrary length', 'multi arrays should be the same length']})
print("df_array_like: \n", df_array_like)

输出：

df_array_like:
col  col_2                 col_3                                   col_4
0  10086   True  'at least one array'           one array is arbitrary length
1  10086   True  'at least one array'  multi arrays should be the same length

如输出所示，DataFrame的索引为0和1。
恰好与数组的索引相同['一个数组是任意长度'，'多个数组应该是相同的长度']

如果注释掉“col_4”，它将提高

ValueError（“如果使用所有标量值，则必须传递索引”）

原因标量值（整数、布尔和字符串）没有索引
注意index（…）必须使用某种集合调用
由于index用于定位DataFrame的所有行
index应该是一个数组。例如

df_scalar_value = pd.DataFrame({
'col' : 10086,
'col_2' : True,
'col_3' : "'at least one array'"
}, index = ['fst_row','snd_row','third_row'])
print("df_scalar_value: \n", df_scalar_value)

输出：

df_scalar_value:
col  col_2                 col_3
fst_row    10086   True  'at least one array'
snd_row    10086   True  'at least one array'
third_row  10086   True  'at least one array'

我是初学者，我正在学习python和英语。👀


提交答案