如何从NumPy数组创建DataFrame（数据不做索引）及处理value_counts结果

1. 从NumPy数组创建DataFrame，避免数据作为索引 #

当你用NumPy数组创建DataFrame时，只要直接把数组作为data参数传入pd.DataFrame()，就不会把数据当成索引——Pandas会自动生成默认的整数索引（0,1,2...）。如果需要自定义列名，直接加上columns参数即可：

示例代码： #

import numpy as np
import pandas as pd

# 二维NumPy数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建带自定义列名的DataFrame
df = pd.DataFrame(arr_2d, columns=['A', 'B', 'C'])

# 一维NumPy数组（会自动转为单列）
arr_1d = np.array([10, 20, 30, 40])
df_1d = pd.DataFrame(arr_1d, columns=['Value'])

关键提醒：不要把数组传给index参数，那才会把数据设为索引。保持数组作为data的输入，就不会踩这个坑。

2. 将value_counts()结果转为带自定义表头的两列DataFrame #

value_counts()返回的是一个Series，其中索引是你的月份值，值是对应的计数。直接转成DataFrame时，索引会保留为行标签，不会成为普通数据列。解决方法很简单：用reset_index()把索引转为一列，再重命名列名即可。

示例代码： #

假设你的month_count是value_counts()的结果：

# 模拟你的value_counts()输出
month_count = pd.Series([600, 522, 358, 336, 323, 319, 316, 299, 294, 278, 233, 232],
                        index=[7, 6, 8, 1, 5, 11, 4, 10, 12, 9, 3, 2],
                        name='Month')

现在将其转为带自定义表头的两列DataFrame：

# 第一步：重置索引，把原索引转为名为"index"的列
month_count_df = month_count.reset_index()
# 第二步：重命名列名（自定义表头）
month_count_df.columns = ['Month', 'Count']

或者一步完成：

month_count_df = pd.DataFrame(month_count).reset_index().rename(columns={'index': 'Month', 'Month': 'Count'})

这样你就得到了两列数据：Month列存月份值，Count列存对应的计数，完全符合需求。

内容的提问来源于stack exchange，提问作者Bethany