问题描述：

我有一本熊猫系列科幻小说：

email
email1@email.com    [1.0, 0.0, 0.0]
email2@email.com    [2.0, 0.0, 0.0]
email3@email.com    [1.0, 0.0, 0.0]
email4@email.com    [4.0, 0.0, 0.0]
email5@email.com    [1.0, 0.0, 3.0]
email6@email.com    [1.0, 5.0, 0.0]

我想将其转换为以下 DataFrame：

index | email             | list
_____________________________________________
0     | email1@email.com  | [1.0, 0.0, 0.0]
1     | email2@email.com  | [2.0, 0.0, 0.0]
2     | email3@email.com  | [1.0, 0.0, 0.0]
3     | email4@email.com  | [4.0, 0.0, 0.0]
4     | email5@email.com  | [1.0, 0.0, 3.0]
5     | email6@email.com  | [1.0, 5.0, 0.0]

我找到了一种方法来做到这一点，但我怀疑它是否更有效：

df1 = pd.DataFrame(data=sf.index, columns=['email'])
df2 = pd.DataFrame(data=sf.values, columns=['list'])
df = pd.merge(df1, df2, left_index=True, right_index=True)

解决方案 1：

您无需创建 2 个临时 dfs，只需使用 DataFrame 构造函数将它们作为 dict 中的参数传递即可：

pd.DataFrame({'email':sf.index, 'list':sf.values})

有很多方法可以构造 df，请参阅文档

解决方案 2：

到帧（）：

从以下系列开始，email_series：

email
email1@email.com    A
email2@email.com    B
email3@email.com    C
dtype: int64

email_series = pd.Series([" email1@email.com ", ...])

我使用to_frame将系列转换为 DataFrame：

df = email_series.to_frame().reset_index()

    email               0
0   email1@email.com    A
1   email2@email.com    B
2   email3@email.com    C
3   email4@email.com    D

现在您需要做的就是重命名列名并命名索引列：

df = df.rename(columns= {0: 'list'})
df.index.name = 'index'

您的 DataFrame 已准备好进行进一步分析。

更新：我刚刚看到这个链接，其中的答案与我的惊人地相似。

解决方案 3：

一行答案是

myseries.to_frame(name='my_column_name')

或者

myseries.reset_index(drop=True, inplace=True)  # As needed

解决方案 4：

Series.reset_index有name争论

经常会出现需要将 Series 提升为 DataFrame 的情况。但如果 Series 没有名称，reset_index则会导致类似这样的结果：

s = pd.Series([1, 2, 3], index=['a', 'b', 'c']).rename_axis('A')
s

A
a    1
b    2
c    3
dtype: int64

s.reset_index()

   A  0
0  a  1
1  b  2
2  c  3

您看到的列名为“0”。我们可以通过指定name参数来解决这个问题。

s.reset_index(name='B')

   A  B
0  a  1
1  b  2
2  c  3

s.reset_index(name='list')

   A  list
0  a     1
1  b     2
2  c     3

Series.to_frame

如果要创建 DataFrame 而不将索引提升到列，请按照此答案Series.to_frame中的建议使用。它也支持 name 参数。

s.to_frame(name='B')

   B
A   
a  1
b  2
c  3

pd.DataFrame构造函数

Series.to_frame您还可以通过指定参数来执行相同的操作columns：

pd.DataFrame(s, columns=['B'])

   B
A   
a  1
b  2
c  3

解决方案 5：

超级简单的方法也是

df = pd.DataFrame(series)

它将返回 1 列（系列值）+ 1 个索引（0....n）的 DF

解决方案 6：

Series.to_frame可用于将 a 转换Series为DataFrame。

# The provided name (columnName) will substitute the series name
df = series.to_frame('columnName')

例如，

s = pd.Series(["a", "b", "c"], name="vals")
df = s.to_frame('newCol')
print(df)

   newCol
0    a
1    b
2    c

解决方案 7：

可能被认为是一种非 Python 的方式来做到这一点，但这会在一行中给出你想要的结果：

new_df = pd.DataFrame(zip(email,list))

结果：

               email               list
0   email1@email.com    [1.0, 0.0, 0.0]
1   email2@email.com    [2.0, 0.0, 0.0]
2   email3@email.com    [1.0, 0.0, 0.0]
3   email4@email.com    [4.0, 0.0, 3.0]
4   email5@email.com    [1.0, 5.0, 0.0]

解决方案 8：

series.to_frame() 方法和 pd.DataFrame() 方法用于将 Pandas Series 转换为 DataFrame。

import pandas
series = pandas.Series([40, 90, 80, 50, 70])
data_frame = series.to_frame()
print(data_frame)

或使用以下内容：

data_frame = pandas.DataFrame(series)

pd.concat() 方法用于在 Python 中将多个 Series 转换为单个 DataFrame。

data_frame = pandas.concat([series1, series2], axis=1)

解决方案 9：

只需使用reset_index()

您只需使用调用即可.reset_index()将 Pandas 系列转换为 Pandas DataFrame。

df = series.reset_index()

这些列没有名称。要命名它们：

df.columns = ['col name 1', 'col name 2']

（假设有两列。）