创建 DataFrame 对象students记录3名学生的信息，行索引为数字序号，列索引为age、weight和height。python

在Python的pandas库中，你可以创建DataFrame对象来存储结构化的数据。以下是如何创建一个名为`students`的DataFrame，包含3名学生的年龄(age)、体重(weight)和身高(height)信息：

import pandas as pd

# 定义字典来表示每个学生的数据
data = {
    'age': [18, 20, 22],
    'weight': [65, 70, 75],
    'height': [170, 175, 180]
}

# 使用字典创建DataFrame
students = pd.DataFrame(data)

# 设置行索引为数字序号（默认）
students.index = range(1, len(students)+1)

# 输出 DataFrame 的前几行
print(students.head())

在这个例子中，`range(1, len(students)+1)`设置了从1开始到3（总共有3名学生）的整数作为行索引。运行上述代码后，你会得到一个显示3名学生基本信息的DataFrame。

相关问题

从字典对象创建DataFrame对象，索引为labels age NaN

可以使用 pandas 库中的 DataFrame() 函数从字典对象创建 DataFrame 对象，并指定索引为 labels，其中 age 列的值为 NaN。示例代码如下：

import pandas as pd

# 定义字典对象
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [30, 25, 20, None],
        'gender': ['F', 'M', 'M', 'M']}

# 创建 DataFrame 对象
df = pd.DataFrame(data, index=['A', 'B', 'C', 'D'], columns=['name', 'age', 'gender'])

# 打印 DataFrame 对象
print(df)

输出结果如下：

      name   age gender
A    Alice  30.0      F
B      Bob  25.0      M
C  Charlie  20.0      M
D    David   NaN      M

其中，data 是包含数据的字典对象，index 参数指定索引为 labels，columns 参数指定 DataFrame 对象的列名。在创建 DataFrame 对象时，age 列的值为 None，表示缺失值，因此在输出结果中显示为 NaN。

根据数组创建dataframe行索引为one two，列索引为col1

可以使用 pandas.DataFrame 函数来创建一个空的 DataFrame，然后使用 reindex 函数来设置行索引和列索引：

import pandas as pd

# 创建一个空的 DataFrame
df = pd.DataFrame()

# 设置行索引为 "one" 和 "two"
df = df.reindex(["one", "two"])

# 设置列索引为 "col1"
df["col1"] = None

# 输出结果
print(df)

输出结果：

     col1
one  None
two  None

注意，这里我们首先创建了一个空的 DataFrame，然后使用 reindex 函数来设置行索引，最后再添加一个列索引。如果直接在 DataFrame 函数中指定行索引和列索引，也可以达到同样的效果：

import pandas as pd

# 直接指定行索引和列索引
df = pd.DataFrame(index=["one", "two"], columns=["col1"])

# 输出结果
print(df)

输出结果：

    col1
one  NaN
two  NaN