这可能是一个简单的问题,但我不知道该怎么做。假设有两个变量。
a = 2
b = 3
我想从这个构建一个数据框架:
df2 = pd.DataFrame({'A':a,'B':b})
这会产生一个错误:
ValueError:如果使用所有标量值,则必须传递一个索引
我也试过这个:
df2 = (pd.DataFrame({'a':a,'b':b})).reset_index()
这将给出相同的错误消息。
这可能是一个简单的问题,但我不知道该怎么做。假设有两个变量。
a = 2
b = 3
我想从这个构建一个数据框架:
df2 = pd.DataFrame({'A':a,'B':b})
这会产生一个错误:
ValueError:如果使用所有标量值,则必须传递一个索引
我也试过这个:
df2 = (pd.DataFrame({'a':a,'b':b})).reset_index()
这将给出相同的错误消息。
当前回答
最简单的选项ls:
dict = {'A':a,'B':b}
df = pd.DataFrame(dict, index = np.arange(1) )
其他回答
也许Series会提供你需要的所有函数:
pd.Series({'A':a,'B':b})
DataFrame可以被认为是一个系列的集合,因此你可以:
将多个Series连接到一个数据帧中(如此处所述) 向现有数据帧中添加一个Series变量(示例如下)
如果你有一个字典,你可以用下面这行代码把它转换成pandas数据帧:
pd.DataFrame({"key": d.keys(), "value": d.values()})
只要把字典放在一个列表上:
a = 2
b = 3
df2 = pd.DataFrame([{'A':a,'B':b}])
最简单的选项ls:
dict = {'A':a,'B':b}
df = pd.DataFrame(dict, index = np.arange(1) )
这是因为DataFrame有两个直观的维度——列和行。
您只是使用字典键指定列。
如果您只想指定一维数据,请使用Series!