Pandas에서 컬럼 이름만 있는 빈 DataFrame 만들기
Pandas에서 컬럼 이름만 있는 빈 DataFrame 만들기
DataFrame() 생성자 사용
import pandas as pd
# 컬럼 이름 목록
column_names = ["Name", "Age", "City"]
# 빈 DataFrame 생성
df = pd.DataFrame(columns=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
dict comprehension 사용
column_names = ["Name", "Age", "City"]
df = pd.DataFrame({column_name: [] for column_name in column_names})
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
NumPy array 사용
import numpy as np
column_names = ["Name", "Age", "City"]
df = pd.DataFrame(np.empty((0, len(column_names)), dtype=object), columns=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
pd.concat() 사용
column_names = ["Name", "Age", "City"]
df = pd.concat([pd.DataFrame(columns=[column_name]) for column_name in column_names], axis=1)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
위의 방법들 모두 컬럼 이름만 있는 빈 DataFrame을 만드는 데 사용할 수 있습니다. 코드 스타일과 개인적 선호도에 따라 가장 적합한 방법을 선택하면 됩니다.
참고:
- 위 코드에서
dtype=object
는 모든 컬럼의 데이터 타입을 object로 설정합니다. 필요에 따라 다른 데이터 타입을 설정할 수 있습니다. - 빈 DataFrame을 만들 때 인덱스를 설정하지 않으면 기본적으로 0부터 시작하는 정수 인덱스가 생성됩니다.
예제 코드
# 라이브러리 임포트
import pandas as pd
# 컬럼 이름 목록
column_names = ["Name", "Age", "City"]
# 빈 DataFrame 생성
df = pd.DataFrame(columns=column_names)
# 데이터 추가
df.loc[0, "Name"] = "John Doe"
df.loc[0, "Age"] = 30
df.loc[0, "City"] = "New York"
# 출력
print(df)
# 출력
# Name Age City
# 0 John Doe 30 New York
- 위 코드는
DataFrame()
생성자를 사용하여 컬럼 이름만 있는 빈 DataFrame을 만듭니다. loc
속성을 사용하여 DataFrame에 데이터를 추가합니다.print()
함수를 사용하여 DataFrame을 출력합니다.
다른 예시:
dict
comprehension을 사용하여 빈 DataFrame을 만들 수 있습니다.
column_names = ["Name", "Age", "City"]
df = pd.DataFrame({column_name: [] for column_name in column_names})
# 데이터 추가
df.loc[0, "Name"] = "Jane Doe"
df.loc[0, "Age"] = 25
df.loc[0, "City"] = "London"
# 출력
print(df)
# 출력
# Name Age City
# 0 Jane Doe 25 London
- NumPy array를 사용하여 빈 DataFrame을 만들 수 있습니다.
import numpy as np
column_names = ["Name", "Age", "City"]
df = pd.DataFrame(np.empty((0, len(column_names)), dtype=object), columns=column_names)
# 데이터 추가
df.loc[0, "Name"] = "John Smith"
df.loc[0, "Age"] = 40
df.loc[0, "City"] = "Paris"
# 출력
print(df)
# 출력
# Name Age City
# 0 John Smith 40 Paris
column_names = ["Name", "Age", "City"]
df = pd.concat([pd.DataFrame(columns=[column_name]) for column_name in column_names], axis=1)
# 데이터 추가
df.loc[0, "Name"] = "Mary Johnson"
df.loc[0, "Age"] = 50
df.loc[0, "City"] = "Berlin"
# 출력
print(df)
# 출력
# Name Age City
# 0 Mary Johnson 50 Berlin
- 위 코드는 예시이며, 필요에 따라 수정하여 사용할 수 있습니다.
- 다양한 방법을 사용하여 컬럼 이름만 있는 빈 DataFrame을 만들 수 있습니다.
- 코드 스타일과 개인적 선호도에 따라 가장 적합한 방법을 선택하면 됩니다.
Pandas에서 컬럼 이름만 있는 빈 DataFrame을 만드는 대체 방법
pd.DataFrame.from_dict() 사용
import pandas as pd
column_names = ["Name", "Age", "City"]
df = pd.DataFrame.from_dict({column_name: [] for column_name in column_names})
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
import pandas as pd
column_names = ["Name", "Age", "City"]
df = pd.DataFrame.from_records([], columns=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
import pandas as pd
column_names = ["Name", "Age", "City"]
df = pd.DataFrame([[] for _ in range(len(column_names))], columns=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
np.empty() 사용
import numpy as np
import pandas as pd
column_names = ["Name", "Age", "City"]
df = pd.DataFrame(np.empty((0, len(column_names)), dtype=object), columns=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
pd.read_csv() 사용
import pandas as pd
column_names = ["Name", "Age", "City"]
with open("empty_dataframe.csv", "w") as f:
f.write("")
df = pd.read_csv("empty_dataframe.csv", names=column_names)
print(df)
# 출력
# Name Age City
# 0 NaN NaN NaN
추가 정보
python pandas dataframe