Pandas数据结构详解:Series与DataFrame核心概念解析
2025-05-31 06:04:00作者:邓越浪Henry
前言
在数据分析领域,pandas库提供了两种核心数据结构:Series和DataFrame。理解这些数据结构的特点和操作方法,是掌握pandas进行高效数据处理的关键。本文将深入解析这两种数据结构的特性和使用方法。
1. 准备工作
在开始前,我们需要导入必要的库:
import numpy as np
import pandas as pd
2. Series数据结构
2.1 Series基本概念
Series是pandas中最基本的一维数据结构,可以看作是一个带有标签的数组。它由两部分组成:
- 数据值(values):实际存储的数据
- 索引(index):与数据值对应的标签
2.2 创建Series
Series可以通过多种方式创建:
从ndarray创建
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
如果不指定索引,pandas会自动创建从0开始的整数索引。
从字典创建
d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)
注意:在Python 3.6+和Pandas 0.23+版本中,Series会保留字典的插入顺序。
从标量值创建
pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])
标量值会被复制以匹配索引长度。
2.3 Series操作特性
类似ndarray的操作
Series支持大多数NumPy数组操作:
s[0] # 获取第一个元素
s[:3] # 切片操作
s[s > 0.5] # 布尔索引
np.exp(s) # 应用NumPy函数
类似字典的操作
可以通过索引标签访问和修改值:
s['a'] = 10 # 修改值
'e' in s # 检查索引存在性
s.get('f', np.nan) # 安全获取
自动对齐特性
Series运算时会自动按标签对齐:
s1 = pd.Series([1,2,3], index=['a','b','c'])
s2 = pd.Series([4,5,6], index=['b','c','d'])
s1 + s2 # 结果会包含所有索引,不匹配的为NaN
名称属性
Series可以设置名称:
s = pd.Series(np.random.randn(5), name='my_series')
s.name = 'new_name' # 修改名称
3. DataFrame数据结构
3.1 DataFrame基本概念
DataFrame是二维的表格型数据结构,可以看作:
- 由多个Series组成的字典
- 类似电子表格或SQL表
- 每列可以是不同的数据类型
3.2 创建DataFrame
从字典创建
d = {'one': [1., 2., 3., 4.],
'two': [4., 3., 2., 1.]}
df = pd.DataFrame(d, index=['a', 'b', 'c', 'd'])
从结构化数组创建
data = np.zeros((2,), dtype=[('A', 'i4'), ('B', 'f4'), ('C', 'a10')])
pd.DataFrame(data)
从列表字典创建
data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
pd.DataFrame(data2)
3.3 DataFrame列操作
列的选择与修改
df['one'] # 选择列
df['three'] = df['one'] * df['two'] # 添加新列
del df['two'] # 删除列
列插入
df.insert(1, 'bar', df['one']) # 在指定位置插入列
3.4 链式操作方法
pandas提供了类似dplyr的链式操作:
(iris.query('SepalLength > 5')
.assign(SepalRatio=lambda x: x.SepalWidth / x.SepalLength)
.plot(kind='scatter', x='SepalRatio', y='PetalRatio'))
4. 核心特性总结
- 数据对齐:pandas操作会自动按标签对齐
- 缺失数据处理:使用NaN表示缺失值
- 灵活索引:支持多种索引方式
- 类型多样性:支持多种数据类型共存
5. 最佳实践建议
- 理解数据对齐机制可以避免许多常见错误
- 链式操作可以使代码更清晰易读
- 合理使用assign方法可以避免中间变量
- 注意Python版本对字典顺序的影响
通过掌握这些核心概念,你将能够更高效地使用pandas进行数据处理和分析。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
858
509

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
257
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5