如何在 Pandas 中创建空 DataFrame

Name

Rajiv Chandra

Updated on 2025/11/14

在任何数据分析工作流中，和数据打交道都是核心环节。无论你的数据来自 CSV 文件、SQL 数据库、JSON 响应，还是外部 API，Pandas 都提供了一个强大且直观的接口，帮助你进行数据清洗、转换和探索。

在这篇指南中，我们将介绍在 Pandas 中创建空 DataFrame 的多种实用方法，解释每种方法适用的场景，并引入现代最佳实践（包括如何创建带有列类型的空 DataFrame）。

🚀 想一键把你的 DataFrame 变成交互式可视化分析工具吗？

PyGWalker 是一个开源 Python 库，可以在你的 Jupyter Notebook 里添加拖拽式的数据探索界面。

你可以这样尝试：

pip install pygwalker
import pygwalker as pyg
gwalker = pyg.walk(df)

你可以在以下在线 Notebook 中立即体验 PyGWalker：

Run PyGWalker in Kaggle Notebook (opens in a new tab)	Run PyGWalker in Google Colab (opens in a new tab)	Give PyGWalker a ⭐️ (opens in a new tab)

什么是 DataFrame？

DataFrame 是 Pandas 中一种二维的表格型数据结构，每一列可以拥有不同的数据类型。你可以把它理解为电子表格或 SQL 表。DataFrame 支持非常丰富的操作，例如：

• 过滤与切片
• 合并与连接
• 聚合
• 变形与重塑
• 可视化

为什么要创建空 DataFrame？

在以下场景中，空 DataFrame 非常有用：

• 在加载数据前先定义好“表结构”（schema）
• 以编程方式逐行追加数据
• 在循环或聚合操作前初始化结果表
• 为增量更新预先准备好数据结构

例如：在导入商品数据之前，先准备一个包含商品信息字段的表。

⭐ 方法快速对比

如何创建空 DataFrame（3 个经典方法 + 1 个现代最佳实践）

方法一：使用 DataFrame() 构造函数

最简单的方式：

import pandas as pd
 
df = pd.DataFrame()
print(df)

输出：

Empty DataFrame
Columns: []
Index: []

之后再添加列：

df.columns = ['ProductID', 'ProductName', 'Description', 'Price']
df

方法二：使用空列表的 dict()

这种方法在保持 DataFrame 为空的同时，先定义好列名：

import pandas as pd
 
data = dict(ProductID=[], ProductName=[], Description=[], Price=[])
df = pd.DataFrame(data)
df

方法三：使用 from_dict()

与方法二等价 — 更多是书写风格的差异：

import pandas as pd
 
data = {
    'ProductID': [],
    'ProductName': [],
    'Description': [],
    'Price': []
}
 
df = pd.DataFrame.from_dict(data)
df

⭐ 现代方法（推荐）

创建带有列名和数据类型的空 DataFrame

在 Pandas 2.x 中，最佳实践是提前定义好各列的数据类型：

import pandas as pd
 
df = pd.DataFrame({
    "ProductID": pd.Series(dtype="int"),
    "ProductName": pd.Series(dtype="string"),
    "Description": pd.Series(dtype="string"),
    "Price": pd.Series(dtype="float"),
})
 
df

这种方式特别适合在以下情况使用：

✔ 从 API 加载数据
✔ 需要可预测且稳定的类型
✔ 构建 ETL 管道时
✔ 想要避免后续关于 dtype 的警告

如何检查 DataFrame 是否为空

使用 .empty 属性：

df = pd.DataFrame()
print(df.empty)   # True
 
non_empty = pd.DataFrame({"A": [1]})
print(non_empty.empty)  # False

总结

在 Pandas 中创建空 DataFrame 是一个基础但非常重要的操作。根据你的工作流，你可以：

• 创建一个简单的空“外壳”
• 初始化带列名但无数据的表
• 明确定义列的数据类型（推荐，用于构建干净的处理流水线）
• 使用基于字典的 schema 提升代码可读性

现在你可以根据项目需要，选择最合适的方法，构建更加清晰、可预测的 Pandas 工作流。