当前位置：首页 > ds >正文

【Pandas】pandas DataFrame from_records

ds 2025/7/13 1:59:55

Pandas2.2 DataFrame

Serialization IO conversion

方法	描述
DataFrame.from_dict(data[, orient, dtype, …])	用于从字典（dict）构建 DataFrame 的类方法
DataFrame.from_records(data[, index, …])	用于将结构化数据（如列表的元组、NumPy 结构化数组）转换为 DataFrame

`pandas.DataFrame.from_records()`

pandas.DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None) 是 pandas 提供的一个 类方法，用于将 结构化数据（如列表的元组、NumPy 结构化数组）转换为 DataFrame。

它特别适用于从数据库查询结果、CSV 文件、JSON 数据等 记录式（record-style）数据 创建 DataFrame。

📌 方法签名

pandas.DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None)

参数说明：

参数	类型	描述
`data`	sequence 或 iterable	一个可迭代对象，每个元素是一个序列或字典，代表一行数据
`index`	list-like（可选）	指定行索引标签
`exclude`	list（可选）	排除的字段名列表
`columns`	list（可选）	指定列名顺序
`coerce_float`	bool，默认 False	是否尝试将数值字符串自动转为浮点数
`nrows`	int（可选）	读取的最大行数

✅ 示例及结果

示例 1：基本用法（从元组列表创建 DataFrame）

import pandas as pd# 元组列表，每行表示一条记录
data = [('Alice', 25, 'Engineer'),('Bob', 30, 'Manager'),('Charlie', 35, 'Designer')
]df = pd.DataFrame.from_records(data)
print(df)

输出：

         0   1         2
0    Alice  25  Engineer
1      Bob  30   Manager
2  Charlie  35  Designer

默认情况下，列名是整数索引（0, 1, 2…），你可以通过 columns 指定列名。

示例 2：指定列名

df = pd.DataFrame.from_records(data, columns=['Name', 'Age', 'Job'])
print(df)

输出：

       Name  Age        Job
0     Alice   25   Engineer
1       Bob   30    Manager
2  Charlie   35   Designer

示例 3：使用 NumPy 结构化数组

如果你有 NumPy 的结构化数组，可以直接传入：

import numpy as npdtype = [('name', 'U10'), ('age', 'i4'), ('job', 'U10')]
data = np.array([('Alice', 25, 'Engineer'), ('Bob', 30, 'Manager')], dtype=dtype)df = pd.DataFrame.from_records(data)
print(df)

输出：

    name  age        job
0  Alice   25   Engineer
1    Bob   30    Manager

示例 4：指定索引列（`index`）

你可以指定某一列为行索引：

df = pd.DataFrame.from_records(data, index='name')
print(df)

输出：

       age        job
name                
Alice   25   Engineer
Bob     30    Manager

示例 5：限制读取行数（`nrows`）

只读取前 N 行数据：

df = pd.DataFrame.from_records(data, columns=['Name', 'Age', 'Job'], nrows=1)
print(df)

输出：

    Name  Age       Job
0  Alice   25  Engineer

示例 6：排除某些列（`exclude`）

df = pd.DataFrame.from_records(data, exclude=['age'], index='name')
print(df)

输出：

           job
name          
Alice  Engineer
Bob     Manager

📝 总结

特性	说明
方法名	`DataFrame.from_records()`
输入类型	可迭代的记录结构（如元组列表、结构化数组）
主要用途	将“记录”格式的数据快速转换为 DataFrame
支持功能	自定义列名、设置索引、排除列、限制行数、强制转换浮点数
常见场景	数据库查询结果、日志文件解析、结构化数据导入

🔁 与 `DataFrame(data)` 的区别

功能	`pd.DataFrame(data)`	`pd.DataFrame.from_records(data)`
支持输入	字典、列表、元组等	记录式结构（如元组列表、结构化数组）
列名控制	需手动指定 `columns`	可通过 `columns` 控制列名
索引支持	不够灵活	支持指定 `index`
性能	一般	更适合处理大型结构化数据