[Python-Pandas] EP1 Pandas基础概念与环境搭建

如何导入？

- import Pandas as pd

一、Pandas概述

核心问题：如何高效处理结构化数据？ 知识网络：数据分析工具链（NumPy → Pandas → Matplotlib）→ 结构化数据操作 → 数据清洗 → 数据建模

1.特点

• 构建于其他库之上：Pandas 是在 Numpy 和 Matplotlib 的基础上构建而来的开源第三方 Python 库。它利用了 Numpy 提供的高性能矩阵运算能力，同时结合了 Matplotlib 的可视化功能，为数据分析提供了强大的支持。
• 名字由来：其名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。
• 数据处理能力强大：是一个强大的分析结构化数据的工具集，可以对各种数据进行运算操作，如归并、再成形、选择，还具备数据清洗和数据加工等特征。
• 实现数据分析的五个重要环节：加载数据、整理数据、操作数据、构建数据模型、分析数据。

2.优势

• 多维数据结构：Series（一维带标签数组）、DataFrame（二维表格）
• 数据整合：支持CSV/Excel/SQL等多种数据源接入
• 高效运算：基于NumPy，支持向量化操作
• 应用场景：金融分析（股票数据清洗）、学术研究（实验数据统计）、商业报表（销售数据透视）

# 普通列表 vs Pandas Series
data_list = [1, 2, 3]  # 无标签，无法快速定位
data_series = pd.Series([1, 2, 3], index=['a', 'b', 'c'])  
# 通过标签直接访问（如 data_series['a']）

二、环境搭建

pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple/

三、核心数据结构

Series vs DataFrame

核心问题：如何选择数据结构表达不同维度的数据？ 知识网络：一维数据 → Series；二维数据 → DataFrame → 行列操作 → 数据关联

1. Series

• 本质：带标签的一维数组（索引可自定义）
• 创建方式：

# 从字典创建（键→索引，值→数据）
data_dict = {'a': 1, 'b': 2}
series = pd.Series(data_dict)  # 输出：a→1, b→2

# 从列表创建（默认索引0,1,2）
series = pd.Series([1, 2, 3], index=['x', 'y', 'z'])

2. DataFrame

• 本质：由多个Series组成的二维表格
  • 既有行标签又有列标签，也被称为异构数据表，即表格中每列的数据类型可以不同
  • 每一行或列数据都可以看成一个 Series 结构
• 创建方式：

# 从字典嵌套列表创建
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data, index=['id1', 'id2'])  # 自定义行索引

# 添加列
df['Salary'] = [5000, 6000]  # 直接扩展新列

对比表格：

特性	Series	DataFrame
维度	一维	二维
索引灵活性	支持自定义标签	行/列均支持自定义标签
数据扩展	不可新增维度	可动态增删列
典型场景	单列数据（如温度序列）	多属性数据（如用户表）