Series和DataFrame：Python pandas的核心数据结构

介绍

Python中的pandas库是数据分析和处理的重要工具，它提供了两种核心数据结构：Series和DataFrame。这些结构让处理表格数据变得简单高效，适合新手快速上手。

什么是Series？

Series是pandas中的一维带标签数组，类似于Python列表或NumPy数组，但每个元素都有一个标签（称为索引）。

创建Series

你可以使用列表、字典或NumPy数组来创建Series。

import pandas as pd

# 从列表创建Series
s1 = pd.Series([10, 20, 30])
print(s1)
# 输出：
# 0    10
# 1    20
# 2    30
# dtype: int64

# 自定义索引
s2 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
print(s2)
# 输出：
# a    1
# b    2
# c    3
# dtype: int64

# 从字典创建
s3 = pd.Series({'x': 5, 'y': 10, 'z': 15})
print(s3)

基本操作

Series支持各种操作，如索引访问、数学运算和统计计算。

# 索引访问
print(s2['a'])  # 输出：1

# 运算
print(s2 * 2)  # 输出：a:2, b:4, c:6

# 统计
print(s2.mean())  # 输出：2.0

什么是DataFrame？

DataFrame是pandas中的二维数据结构，类似于电子表格或SQL表，由行和列组成，每列可以有不同的数据类型。

创建DataFrame

可以从字典、列表或Series创建DataFrame。

# 从字典创建（键是列名）
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['x', 'y', 'z']})
print(df1)
# 输出：
#    A  B
# 0  1  x
# 1  2  y
# 2  3  z

# 从Series列表创建
s_series = pd.Series([10, 20], index=['row1', 'row2'])
t_series = pd.Series([30, 40], index=['row1', 'row2'])
df2 = pd.DataFrame({'S': s_series, 'T': t_series})
print(df2)

基本操作

DataFrame支持行/列访问、筛选和聚合操作。

# 访问列
print(df1['A'])  # 输出：0:1, 1:2, 2:3

# 访问行
print(df1.loc[0])  # 输出：A:1, B:x

# 筛选
filtered_df = df1[df1['A'] > 1]
print(filtered_df)
# 输出：
#    A  B
# 1  2  y
# 2  3  z

Series和DataFrame的对比

• Series：一维数据，适合存储单个序列，如时间序列或单一特征。
• DataFrame：二维数据，适合存储多个相关序列，如表格数据或数据集。

通常，DataFrame由多个Series组成（每列是一个Series），是数据分析中最常用的结构。

总结

掌握Series和DataFrame是学习pandas的第一步。通过练习创建和操作这些结构，你可以轻松处理各种数据任务。建议多写代码示例，加深理解。

后续学习建议

尝试导入真实数据集（如CSV文件），用pandas加载并探索DataFrame，实践是掌握的关键！