df1 = pd.DataFrame([["AAA", "BBB"]], columns=["Spam", "Egg"])

可以使用多种方法在Python的Pandas库中创建具有指定列名的DataFrame。以下是几种常见的实现方式： ### 方法1：通过字典创建DataFrame 如果数据是以字典的形式组织，可以直接将字典传递给`pd.DataFrame()`函数。字典的键会自动作为列名，而对应的值则会被转换为行数据。 示例代码： ```python import pandas as pd data = {'Site': ['Google', 'Bing', 'Wiki'], 'Age': [10, 12, 13]} df = pd.DataFrame(data) print(df) ``` 输出结果： ``` Site Age 0 Google 10 1 Bing 12 2 Wiki 13 ``` ### 方法2：通过ndarrays创建DataFrame 当数据以NumPy数组形式存在时，可以通过指定`columns`参数来定义列名。这种方式适用于从外部文件（如CSV、Excel等）加载的数据[^2]。 示例代码： ```python import numpy as np import pandas as pd ndarray_data = np.array([ ['Google', 10], ['Bing', 12], ['Wiki', 13] ]) df = pd.DataFrame(ndarray_data, columns=['Site', 'Age']) print(df) ``` 输出结果： ``` Site Age 0 Google 10 1 Bing 12 2 Wiki 13 ``` ### 方法3：通过列表或字典列表创建DataFrame 对于更复杂的数据结构，例如由多个字典组成的列表，也可以直接传入`pd.DataFrame()`。在这种情况下，列名会自动从字典的键中提取，如果没有显式提供，则默认为空值。 示例代码： ```python import pandas as pd data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}] df = pd.DataFrame(data) print(df) ``` 输出结果： `` a b c 0 1 2 NaN 1 5 10 20.0 ``` ### 方法4：创建带有特定空行和列名的DataFrame 有时可能需要初始化一个带有特定列名但没有实际数据的DataFrame，或者添加一些空行以便后续填充数据。可以通过构造一个包含`NaN`值的字典，并将其转换为DataFrame来实现。 示例代码： ```python import pandas as pd import numpy as np # 初始化一个带有指定列名的空DataFrame columns = ['A', 'B', 'C'] df = pd.DataFrame(columns=columns) # 添加一行全为NaN的记录 new_row = pd.Series({col: np.nan for col in columns}) df = pd.concat([df, pd.DataFrame([new_row])], ignore_index=True) print(df) ``` 输出结果： `` A B C 0 NaN NaN NaN ``` 以上方法可以根据具体需求灵活选择。无论是从字典、数组还是其他数据结构出发，Pandas都提供了强大的接口来支持用户自定义列名并构建所需的DataFrame对象。 ---