前面介绍了1、可视化方法；2、机器学习预测应用；3、图像识别；4、文本分析相关的案例研究（具体见之前的文章）。
本期将继续做关于数据分析类实战系列文章，列举一些在平时数据处理中经常遇到的一些小问题，提供一个解决方案，让读者慢慢理解python数据分析的原理和方法，每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。
实现功能：
字典、列表（数组）、序列创建DataFrame并保存为excel文件
实现代码：
#Python中创建DataFrame的方法
import pandasas pd
import numpyas np
#1、字典生成
students = {'name':['小明','小红','小马'],'age':[13,14,15],'grade':['七年级','八年级','九年级']}
df1 = pd.DataFrame(students,index=['stu1','stu2','stu3'])
print(df1)
#2、列表生成
#2.1字典组成的列表转化为dataframe
df2 =pd.DataFrame([{'one':1, 'two':2}, {'one':5, 'two':10, 'three':20}],index=[1,2])
print(df2)
#2.2两个一维列表转化为dataframe
Name=['小明','小红','小马']
Marks=[12,13,15]
list_tuples=list(zip(Name,Marks))
df3=pd.DataFrame(data=list_tuples,columns=['name','age'],index=['stu1','stu2','stu3'])
print(df3)
#2.3一个二维列表/数组转化为dataframe
list1 = [['小明',13,'七年级'],['小红',14,'八年级'],['小马',15,'九年级']]
df4 = pd.DataFrame(data=list1,columns=['name','age','grade'],index=['stu1','stu2','stu3'])
print(df4)
arr = np.arange(9).reshape(3,3)
df5 = pd.DataFrame(data=arr, index = ['a', 'b', 'c'], columns = ['one','two','three'])
print(df5)
#3、Series生成
s1=pd.Series(np.random.rand(2), index = ['a','b'])
s2=pd.Series(np.random.rand(3),index = ['a','b','c'])
df6 =pd.DataFrame({'one':s1,'two':s2})
print(df6)
上面介绍了创建DataFrame的几种方式，接着使用DataFrame.to_excel()方法即可将DataFrame内容保持到指定路径的Excel文件。
实现效果：
本人读研期间发表5篇SCI数据挖掘相关论文，现在在某研究院从事数据挖掘相关科研工作，对数据挖掘有一定的认知和理解，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例。
致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。
关注V订阅号：数据杂坛可在后台联系我获取相关数据集和源码，送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。
