掌握pandas核心：Series与DataFrame基础

本文档主要介绍了Python中的数据科学库pandas的核心数据结构——Series和DataFrame，以及Panel的简要概述。pandas是处理大量结构化数据的强大工具，适用于数据分析和数据清洗任务。 **一、Series** Series是pandas的重要数据结构，它是一维的标签数组，可以存储各种类型的数据，如整数、浮点数、字符串或Python对象。Series的主要特点是带有索引，这使得数据具有更强的标识性。Series可以通过以下方式创建： 1.1 从ndarray创建：通过`pd.Series()`函数，指定随机生成的ndarray数据和自定义索引，如`np.random.randn(5)`与`index=['a','b','c','d','e']`。 1.2 从字典创建：将字典直接传递给`pd.Series()`，可以使用自定义索引，未在字典中存在的键将被赋值为NaN。 2. Series对象特性： - 类似于ndarray：Series是ndarray的子类，提供了许多类似的数学和统计操作。 - 类似于字典：每个元素都有一个对应的标签（即索引），可以像字典那样通过标签访问或修改元素。 3. 标签对齐操作：pandas支持灵活的标签对齐，当进行元素操作时，会根据索引自动调整数据。 4. `name`属性：可以设置Series的名称，提供额外的标识信息。 **二、DataFrame** DataFrame是pandas的二维表格型数据结构，类似于电子表格或SQL表。它由多个Series组成，每列可以有不同的数据类型。DataFrame的创建方法包括： 1.1 从字典创建：通过字典构建，每一列对应字典的键，数据类型取决于键对应的值。 1.2 结构化数据创建：可以从CSV、Excel、数据库等源直接读取数据生成DataFrame。 1.3 从其他数据结构创建：如字典列表、元组字典或Series。 2. DataFrame的操作： - 列选择/增加/删除：通过列名选取特定列，`del`语句删除列，`insert()`用于插入新列。 - 索引和选择：DataFrame支持复杂索引，可以按行或列选择数据。 - 数据对齐：在进行操作时，DataFrame会自动对齐列的标签和数据。 - 使用numpy函数：DataFrame与numpy紧密集成，可以直接应用numpy函数。 3. Tab键自动完成：在交互式环境中，使用Tab键可以提供列名和函数建议，方便快捷。 **三、Panel** Panel在早期版本的pandas中存在，但已被弃用，推荐使用更现代的MultiIndex和Hierarchical Index功能来实现类似的功能。Panel曾允许同时处理多维数据，但在pandas 0.17版本后，已经转向了更灵活的标签系统。 掌握pandas的Series和DataFrame是数据科学入门的关键，它们提供了一种高效、灵活的方式来组织和操作数据。对于更高级的数据分析和数据操作，理解这些核心数据结构及其操作方式是至关重要的。