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 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

  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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
858
509
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
257
300
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
Cangjie-ExamplesCangjie-Examples
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
note-gennote-gen
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
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
22
5