maxframe.dataframe.DataFrame.from_records#

static DataFrame.from_records(data, index=None, exclude=None, columns=None, coerce_float=False, nrows=None, gpu=None, sparse=False, **kw)#

将结构化或记录型 ndarray 转换为 DataFrame。

从结构化 ndarray、元组或字典序列，或 DataFrame 创建一个 DataFrame 对象。

参数:

data (structured ndarray, sequence of tuples or dicts, or DataFrame) -- 结构化输入数据。 .. deprecated:: 2.1.0 传递 DataFrame 已被弃用。
index (str, list of fields, array-like) -- 用作索引的数组字段，或使用特定的一组输入标签。
exclude (sequence, default None) -- 要排除的列或字段。
columns (sequence, default None) -- 要使用的列名。如果传入的数据没有关联名称，则此参数为列提供名称。否则此参数表示结果中列的顺序（数据中未找到的名称将变成全为 NA 的列）。
coerce_float (bool, default False) -- 尝试将非字符串、非数值对象（如 decimal.Decimal）的值转换为浮点数，对 SQL 结果集有用。
nrows (int, default None) -- 如果数据是迭代器，则为要读取的行数。

返回类型:

DataFrame

参见

DataFrame.from_dict: 从类似数组或字典的字典创建 DataFrame。
DataFrame: 使用构造函数创建 DataFrame 对象。

示例

数据可以以结构化 ndarray 的形式提供：

>>> import maxframe.tensor as mt
>>> import maxframe.dataframe as md
>>> data = mt.array([(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')],
...                 dtype=[('col_1', 'i4'), ('col_2', 'U1')])
>>> md.DataFrame.from_records(data).execute()
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

数据可以以字典列表的形式提供：

>>> data = [{'col_1': 3, 'col_2': 'a'},
...         {'col_1': 2, 'col_2': 'b'},
...         {'col_1': 1, 'col_2': 'c'},
...         {'col_1': 0, 'col_2': 'd'}]
>>> md.DataFrame.from_records(data).execute()
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d

数据可以以带有相应列的元组列表形式提供：

>>> data = [(3, 'a'), (2, 'b'), (1, 'c'), (0, 'd')]
>>> md.DataFrame.from_records(data, columns=['col_1', 'col_2']).execute()
   col_1 col_2
0      3     a
1      2     b
2      1     c
3      0     d