零基础上手Python数据分析 (8)：Pandas 核心数据结构 Series 和 DataFrame

我们已经完成了 Python 编程基础的入门，掌握了 Python 语法、数据类型、数据结构、文件操作和异常处理等核心知识。 从今天开始，我们将正式踏入 Python 数据分析的核心领域，学习 Pandas 库！

Pandas：Python 数据分析的 “瑞士军刀”

Pandas 是 Python 数据分析领域 最核心、最基础、最强大 的库，没有之一！ 它提供了高性能、易于使用的数据结构和数据分析工具，使得 Python 成为数据分析的强大武器。 Pandas 的地位，就如同 Excel 在电子表格软件中的地位，但 Pandas 的功能远比 Excel 强大和灵活。

为什么要学习 Pandas？

• 高效的数据处理能力： Pandas 提供了高性能的数据结构 Series (序列) 和 DataFrame (数据框)，可以高效地处理各种类型的数据，包括数值型、字符串型、时间序列型等。 Pandas 底层使用 C 语言编写的 NumPy 库，性能非常出色，处理大规模数据也游刃有余。
• 强大的数据清洗和预处理功能： Pandas 提供了丰富的数据清洗和预处理工具，例如处理缺失值、重复值、异常值、数据转换、数据合并、数据分组等，让你轻松应对各种数据质量问题，为后续的数据分析打下坚实的基础。
• 灵活的数据分析和探索功能： Pandas 提供了强大的数据分析和探索功能，例如数据筛选、排序、统计计算、分组聚合、透视表、时间序列分析等，让你能够从不同维度分析和挖掘数据，发现数据中的规律和 insights。
• 便捷的数据导入导出功能： Pandas 可以轻松地从各种数据源 (例如 CSV 文件、Excel 文件、文本文件、SQL 数据库、JSON 文件、HTML 网页等) 导入数据，并将数据导出到各种格式的文件，实现数据的高效流通。
• 与 Python 生态系统无缝集成： Pandas 与 Python 的其他数据科学库 (例如 NumPy, Matplotlib, Seaborn, Scikit-learn 等) 无缝集成，可以方便地进行数据分析、可视化和机器学习，构建完整的数据科学工作流。
• 简单易学，上手快速： Pandas 的 API 设计简洁直观，易于学习和使用，即使是零基础的初学者，也能快速上手，并用 Pandas 解决实际的数据分析问题。

Pandas 核心数据结构：Series 和 DataFrame

Pandas 最核心的数据结构就是 Series (序列) 和 DataFrame (数据框)。 理解和掌握 Series 和 DataFrame 是学习 Pandas 的关键，也是进行数据分析的基础。

• Series (序列)： 类似于 一维数组 或 带标签的列表，由 索引 (Index) 和 值 (Values) 两部分组成。 Series 可以用来表示 一列数据，例如 Excel 表格中的一列、数据库表中的一列、时间序列数据等。
• DataFrame (数据框)： 类似于 二维表格 或 带标签的电子表格，由 行索引 (Index)、列索引 (Columns) 和 数据 (Values) 三部分组成。 DataFrame 可以用来表示 多行多列的表格数据，例如 Excel 表格、CSV 文件、数据库表等。 DataFrame 是 Pandas 最核心、最常用的数据结构，也是数据分析中最常用的数据组织形式。

本篇博客将重点讲解 Pandas 的核心数据结构 Series 和 DataFrame，让你掌握 Pandas 数据分析的基石，为后续学习 Pandas 的数据处理和分析功能做好充分准备。

📊 一、Pandas Series：一维带标签数据

Series (序列) 是 Pandas 的 一维数据结构，它由 索引 (Index) 和 值 (Values) 两部分组成。 Series 可以看作是 带标签的 NumPy 数组 或 带索引的列表，但功能更加强大和灵活。 Series 非常适合表示 一维时间序列数据、单列数据 等。

1. Series 的创建

可以使用多种方式创建 Series 对象：

• 从列表 (List) 创建 Series：

  import pandas as pd # 导入 pandas 库，约定俗成简写为 pd
  
  data = [10, 20, 30, 40, 50]
  s = pd.Series(data) # 从列表 data 创建 Series 对象 s
  print(s)
  

  输出：

  0    10
  1    20
  2    30
  3    40
  4    50
  dtype: int64
  

  代码解释：

  • import pandas as pd: 导入 Pandas 库，并约定俗成地使用 pd 作为 Pandas 的别名，方便后续代码中使用 pd.Series 等 Pandas 函数和对象。
  • data = [10, 20, 30, 40, 50]: 定义一个 Python 列表 data，作为 Series 的数据部分。
  • s = pd.Series(data): 使用 pd.Series(data) 函数 从列表 data 创建一个 Series 对象 s。
  • print(s): 打印 Series 对象 s。

  输出结果解释：

  • 左侧 0, 1, 2, 3, 4 是 Series 的索引 (Index)，默认情况下，Pandas 会自动创建 从 0 开始的整数索引。
  • 右侧 10, 20, 30, 40, 50 是 Series 的值 (Values)，即列表 data 中的元素。
  • dtype: int64 表示 Series 的数据类型 (data type) 是 64 位整数 (int64)。 Pandas 会自动推断 Series 的数据类型，也可以在创建 Series 时手动指定数据类型 (例如 dtype='float64', dtype='str' 等)。

• 从 NumPy 数组 (Array) 创建 Series：

  import pandas as pd
  import numpy as np # 导入 NumPy 库
  
  data = np.array([10, 20, 30, 40, 50]) # 创建 NumPy 数组
  s = pd.Series(data) # 从 NumPy 数组 data 创建 Series 对象 s
  print(s)
  

  输出结果与从列表创建 Series 相同。 Pandas Series 可以很好地与 NumPy 数组集成。

• 从字典 (Dictionary) 创建 Series：

  import pandas as pd
  
  data = {
       'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50} # 创建字典
  s = pd.Series(data) # 从字典 data 创建 Series 对象 s
  print(s)
  

  输出：

  a    10
  b    20
  c    30
  d    40
  e    50
  dtype: int64
  

  代码解释：

  • data = {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50}: 创建一个 Python 字典 data，字典的键 (keys) 将作为 Series 的索引 (Index)，字典的值 (values) 将作为 Series 的值 (Values)。
  • s = pd.Series(data): 使用 pd.Series(data) 函数 从字典 data 创建 Series 对象 s。

  输出结果解释：

  • 左侧 a, b, c, d, e 是 Series 的索引 (Index)，即字典 data 的键。 使用字典创建 Series 时，索引会自动使用字典的键。
  • 右侧 10, 20, 30, 40, 50 是 Series 的值 (Values)，即字典 data 的值。

• 指定索引 (Index) 创建 Series：

  在从列表或 NumPy 数组创建 Series 时，可以 手动指定索引 (Index)。 索引可以是 任意类型 的数据 (例如字符串、日期时间等)，但通常建议使用 唯一且有意义 的索引，方便数据访问和操作。

  import pandas as pd
  
  data = [10, 20, 30, 40, 50]
  index = ['A', 'B', 'C', 'D', 'E'] # 自定义索引列表
  s = pd.Series(data, index=index) # 创建 Series 对象 s，并指定索引