【Python数据分析利器】Pandas从入门到实战：核心数据结构DataFrame与Series全解析

在数据科学和大数据开发领域，Pandas 无疑是最璀璨的明星工具之一。它底层基于 NumPy 构建，提供了高性能、易用的数据结构和丰富的数据分析函数，极大地简化了数据清洗、转换与统计分析的开发流程。

官方网站 ：https://pandas.pydata.org
环境依赖：底层依赖 NumPy 进行高效的高维数组与矩阵运算

⚠️ 环境准备 ：

注意在 Python 环境中使用 pip 安装（而非 npm）：
bash 复制代码
pip install pandas

🎯 什么是 DataFrame 与 Series？

Pandas 的世界主要由两大核心数据结构支撑：

DataFrame：表格型的数据结构，就像一张 Excel 表格或 SQL 表，既有行索引（Index），也有列索引（Columns）。
Series：一维标记数组，就像表格中的单独一列。

核心关系：DataFrame 是由多个具有相同索引的 Series 组成的二维容器；从 DataFrame 中抽取任意一列，拿到的就是一个 Series。

🚀 实战案例：统计班级各科成绩

业务需求

统计某班级学员在"语文"、"数学"、"英语"三门课程中的最高分 、最低分 与平均分。

代码实现

python 复制代码

import pandas as pd

# 1. 构造 DataFrame 数据集
df = pd.DataFrame([
    {'姓名': '张三', '语文': 85, '数学': 92, '英语': 78},
    {'姓名': '李四', '语文': 78, '数学': 88, '英语': 95},
    {'姓名': '王五', '语文': 92, '数学': 96, '英语': 89},
    {'姓名': '赵六', '语文': 85, '数学': 90, '英语': 90},
    {'姓名': '孙七', '语文': 72, '数学': 59, '英语': 66},
    {'姓名': '周八', '语文': 80, '数学': 76, '英语': 68},
])

# 2. 统计计算（调用单列 Series 聚合函数）
print(f"语文 -> 最高分: {df['语文'].max()}, 最低分: {df['语文'].min()}, 平均分: {df['语文'].mean():.2f}")
print(f"数学 -> 最高分: {df['数学'].max()}, 最低分: {df['数学'].min()}, 平均分: {df['数学'].mean():.2f}")
print(f"英语 -> 最高分: {df['英语'].max()}, 最低分: {df['英语'].min()}, 平均分: {df['英语'].mean():.2f}")

🔥 进阶小技巧 ：

如果想快速查看所有数值列的统计指标，可以直接使用 df.describe()，计数、均值、极值、分位数一览无余！

🛠️ 核心进阶：DataFrame 的常用构建方式

在实际项目中，数据来源多种多样，Pandas 提供了极具弹性的构造方式：

方式 1：列表嵌套字典（按行解析）

每个字典代表一行数据，字典的 key 自动作为列名：

python 复制代码

df1 = pd.DataFrame([
    {'姓名': '张三', '语文': 85, '数学': 92, '英语': 78},
    {'姓名': '李四', '语文': 78, '数学': 88, '英语': 95},
    {'姓名': '王五', '语文': 92, '数学': 96, '英语': 89}
])

方式 2：字典嵌套列表（按列解析，最推荐）

每个 key 是列名，对应的 list 为该列的所有取值：

python 复制代码

df2 = pd.DataFrame({
    '姓名': ['张三', '李四', '王五'],
    '语文': [85, 78, 92],
    '数学': [92, 88, 96],
    '英语': [78, 95, 89]
})

方式 3：元组列表 + columns 参数

传入二维元组列表，并通过 columns 参数定义表头：

python 复制代码

df3 = pd.DataFrame([
    ('张三', 85, 92, 78),
    ('李四', 78, 88, 95),
    ('王五', 92, 96, 89)
], columns=['姓名', '语文', '数学', '英语'])

方式 4：二维列表 + columns + index

在定义数据和列名的同时，显式指定行索引（index）：

python 复制代码

df4 = pd.DataFrame([
    ['张三', 85, 92, 78],
    ['李四', 78, 88, 95],
    ['王五', 92, 96, 89]
], columns=['姓名', '语文', '数学', '英语'], index=['a', 'b', 'c'])

🛠️ 核心进阶：Series 的常用构建方式

Series 是一维标记数组，常见构建方式如下：

python 复制代码

import pandas as pd

# 1. 普通列表构建（默认自动生成 0, 1, 2... 数字索引）
s1 = pd.Series([10, 20, 30, 40, 50])

# 2. 元组构建并指定自定义标签索引（index）
s2 = pd.Series((10, 20, 30, 40, 50), index=['a', 'b', 'c', 'd', 'e'])

# 3. 字典构建（字典 key 自动转化为 Series 的 index）
s3 = pd.Series({'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50})

# 4. 从已有的 DataFrame 中抽取某列
s4 = df1['语文']
s5 = df1['数学']

📋 必备速查：DataFrame 与 Series 常见属性

熟练掌握基础属性，能让你在处理数据清洗和维度变换时更加游刃有余：

属性名称	作用说明	适用对象	示例输出
`xx.shape`	获取数据维度（行数, 列数）	DataFrame / Series	`(6, 4)`
`xx.columns`	获取所有列名/列标签	DataFrame 特有	`Index(['姓名', '语文', ...])`
`xx.index`	获取行标签/行索引	DataFrame / Series	`RangeIndex(start=0, stop=6)`
`xx.values`	获取纯数据底层表示（NumPy ndarray）	DataFrame / Series	`array([[...], [...]])`
`xx.dtype`	获取单列的数据类型	Series 特有	`int64` / `object`
`xx.dtypes`	获取各列对应的数据类型	DataFrame 特有	各字段类型列表
`xx.size`	获取数据元素的总个数（行 × 列）	DataFrame / Series	`24`

示例代码

python 复制代码

# 查看 DataFrame 的维度与字段名
print(df.shape)    # (6, 4)
print(df.columns)  # Index(['姓名', '语文', '数学', '英语'], dtype='object')

# 查看 Series 的类型与值
print(df['语文'].dtype)   # int64
print(df['语文'].values)  # [85 78 92 85 72 80]

💡 总结与回顾

基本模型 ：Pandas 的基石是 Series（一维序列）和 DataFrame（二维表格）。
统计计算 ：借助 .max()、.min()、.mean() 等聚合函数，能秒级完成批量统计。
数据感知 ：通过 .shape 查维度、.columns 查表头、.index 查索引、.values 探底层，是数据探查的第一步。