DataFrame是数据的二维集合。 它是一种数据结构，其中数据以表格形式存储。 数据集按行和列排列； 我们可以在DataFrame中存储多个数据集。 我们可以执行各种算术运算，例如在DataFrame中添加列/行选择和列/行。

我们可以从外部存储导入 DataFrame； 这些存储可以是 SQL数据库、CSV 文件和 Excel 文件。 我们还可以使用列表、字典和来自字典的列表等。

在本教程中，我们将学习以多种方式创建DataFrame。 让我们了解这些不同的方式。

方法一：创建空的DataFrame

我们可以创建一个基本的空DataFrame。 需要调用DataFrame构造函数来创建DataFrame。 让我们理解下面的例子：

输出：

方法二：使用List 创建DataFrame?

我们可以使用单个列表或列表的列表创建DataFrame。 让我们理解下面的例子：

输出：

?方法三：使用字典创建DataFrame?

ndarray/lists 的 dict 可用于创建DataFrame，所有 ndarray 必须具有相同的长度。 默认情况下，索引将是一个范围（n）； 其中 n 表示数组长度。 让我们理解下面的例子：

输出：

?方法四：使用数组创建带索引DataFrame?

请看下面的示例：

输出：

在上面的代码中，我们定义了包含各种汽车名称及其评级的列名。 我们使用数组来创建索引。

方法五：从字典列表创建DataFrame

我们可以将字典列表作为输入数据传递来创建 Pandas DataFrame。 默认情况下，列名作为键。 让我们理解下面的例子：

输出：

让我们学习另一个示例，从具有行索引和列索引的字典列表创建 pandas DataFrame。

输出：

让我们再来学习另一个通过传递字典和行列表来创建数据框的示例：

输出：

?方法六：使用zip()函数创建DataFrame?

zip() 函数用于合并两个列表。 让我们理解下面的例子。

输出：

?方法七：从序列的字典创建DataFrame?

可以传递字典来创建DataFrame。 我们可以使用序列的字典，其中后续索引是所有传递的索引值序列的并集。 让我们理解下面的例子：

输出：

在本教程中，我们讨论了创建 DataFrame 的不同方法。