pandas.DataFrame.from_records #

类方法 DataFrame。from_records (数据,索引=无,排除=无,列=无, coerce_float = False , nrows =无) [来源] #

将结构化或记录 ndarray 转换为 DataFrame。

从结构化 ndarray、元组或字典序列或 DataFrame 创建 DataFrame 对象。

参数：

数据结构 ndarray、元组或字典序列或 DataFrame: 结构化输入数据。

自版本 2.1.0 起已弃用：不推荐传递 DataFrame。
索引str，字段列表，类似数组: 用作索引的数组字段，或者要使用的一组特定输入标签。
排除序列，默认无: 要排除的列或字段。
列顺序，默认无: 要使用的列名称。如果传递的数据没有与其关联的名称，则此参数提供列的名称。否则，此参数指示结果中列的顺序（数据中未找到的任何名称将成为全 NA 列）。
coerce_float bool，默认 False: 尝试将非字符串、非数字对象（如decimal.Decimal）的值转换为浮点型，这对于 SQL 结果集很有用。
nrows int，默认无: 如果 data 是迭代器，则要读取的行数。

返回：

数据框

也可以看看

DataFrame.from_dict: 来自类数组或字典的字典的数据帧。
DataFrame: 使用构造函数创建 DataFrame 对象。

例子

数据可以作为结构化 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

数据可以作为具有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