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 np
dtype = [('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 |