首页
/ Pandas数据结构详解:Series与DataFrame核心概念解析

Pandas数据结构详解:Series与DataFrame核心概念解析

2025-05-31 19:15:49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

  1. 数据对齐:pandas操作会自动按标签对齐
  2. 缺失数据处理:使用NaN表示缺失值
  3. 灵活索引:支持多种索引方式
  4. 类型多样性:支持多种数据类型共存

5. 最佳实践建议

  1. 理解数据对齐机制可以避免许多常见错误
  2. 链式操作可以使代码更清晰易读
  3. 合理使用assign方法可以避免中间变量
  4. 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

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
494
37
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
323
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
191
openHiTLSopenHiTLS
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
991
395
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
277
RuoYi-Vue3RuoYi-Vue3
🎉 (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
937
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70