在数据分析的日常工作中，我们经常需要处理各种形态的数据 —— 从一维的用户评分序列到二维的交易明细表，选择合适的数据结构往往是高效处理的第一步。pandas 的 Series 和 DataFrame 作为核心数据结构，以其标签化特性和高效的底层实现，成为数据科学家的 “瑞士军刀”。本文将结合完整的数据示例与输出展示，深入解析两者的底层逻辑，让你直观理解每个操作的效果。
一、Series 基础：带标签的动态一维数组
1. 多形态创建：灵活适配数据输入
Series 可以看作是 NumPy 数组的 “增强版”，最大的特点是引入了索引标签，让数据与标签一一绑定。以下是带输出的完整示例：
▍从列表 / 数组创建（自动生成 RangeIndex）
python
import pandas as pd
import numpy as np
# 创建带缺失值的Series
s_list = pd.Series([1, 3, 5, np.nan, 6, 8])
print("列表创建Series：")
print(s_list)
输出结果：
plaintext
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
关键点：索引为 0-based 整数，缺失值np.nan会被自动识别，后续计算默认排除缺失值。
▍从字典创建（键为索引，值为数据）
python
d = {"a": 0.0, "b": 1.0, "c": 2.0}
s_dict = pd.Series(d)
print("\n字典创建Series：")
print(s_dict)
输出结果：
plaintext
a 0.0
b 1.0
c 2.0
dtype: float64
注意：若索引与字典键不匹配（如指定index=["a", "b", "d"]），缺失值会自动填充为NaN。
▍从标量值创建（指定索引重复填充）
python
s_scalar = pd.Series(5.0, index=["a", "b", "c"])
print("\n标量值创建Series：")
print(s_scalar)
输出结果：
plaintext
a 5.0
b 5.0
c 5.0
dtype: float64
2. 类数组与类字典特性：无缝切换操作习惯
▍类 ndarray 特性：向量化操作与切片
python
# 向量化运算：对Series应用指数函数
s_vectorized = np.exp(s_list)
print("\n向量化运算结果：")
print(s_vectorized)
输出结果：
plaintext
0 2.718282
1 20.085537
2 148.413159
3 NaN
4 403.428793
5 2980.957987
dtype: float64
▍类 dict 特性：标签访问与安全获取
python
# 标签访问
print("\ns_dict['b']的值：", s_dict["b"]) # 输出：1.0
# 安全获取缺失标签
print("\n安全获取f的值：", s_dict.get("f", np.nan)) # 输出：nan（默认返回NaN）
3. 数据类型与底层存储
▍分类数据类型（节省内存）
python
s_category = pd.Series(["test", "train", "test"], dtype="category")
print("\n分类类型Series：")
print(s_category)
print("数据类型：", s_category.dtype)
输出结果：
plaintext
0 test
1 train
2 test
dtype: category
Categories (2, object): ['test', 'train']
▍底层数组访问
python
# 获取ExtensionArray
print("\n底层数组：", s_category.array)
# 转换为NumPy数组
print("转换为NumPy数组：", s_category.to_numpy())
输出结果：
plaintext
底层数组： <CategoricalArray with categories ['test', 'train']>
转换为NumPy数组： ['test' 'train' 'test']
二、DataFrame 核心：二维结构化数据的终极方案
1. 多元化构建：适配复杂数据场景
▍字典嵌套 Series（自动对齐索引）
python
d = {
"A": pd.Series([1, 2, 3], index=["a", "b", "c"]),
"B": pd.Series([4, 5], index=["b", "c"]) # 索引对齐，a行B列为NaN
}
df_dict_series = pd.DataFrame(d)
print("\n字典嵌套Series创建DataFrame：")
print(df_dict_series)
输出结果：
plaintext
A B
a 1 NaN
b 2 4.0
c 3 5.0
▍结构化数组（字段映射为列）
python
data = np.zeros(2, dtype=[("A", int), ("B", float)])
data[:] = [(1, 2.0), (2, 3.0)]
df_struct = pd.DataFrame(data)
print("\n结构化数组创建DataFrame：")
print(df_struct)
输出结果：
plaintext
A B
0 1 2.0
1 2 3.0
2. 行列操作：索引对齐的魔法
▍列访问与索引对齐
python
# 列访问示例
print("\n访问'A'列：")
print(df_dict_series["A"])
输出结果：
plaintext
a 1.0
b 2.0
c 3.0
Name: A, dtype: float64
▍索引对齐运算
python
df1 = pd.DataFrame({"A": [1, 2], "B": [3, 4]}, index=["x", "y"])
df2 = pd.DataFrame({"A": [5, 6], "B": [7, 8]}, index=["y", "z"])
result = df1 + df2 # 自动对齐索引x/y/z
print("\n索引对齐运算结果：")
print(result)
输出结果：
plaintext
A B
x NaN NaN
y 7.0 11.0
z NaN NaN
3. 动态修改：高效调整数据结构
▍列添加与类型转换
python
# 新增列
df_dict_series["C"] = df_dict_series["A"] * 2
print("\n新增列后：")
print(df_dict_series)
# 转换类型
df_dict_series["A"] = df_dict_series["A"].astype("int32")
print("\n转换A列为int32后：")
print(df_dict_series.dtypes)
输出结果：
plaintext
新增列后：
A B C
a 1 NaN 2
b 2 4.0 4
c 3 5.0 6
转换A列为int32后：
A int32
B float64
C int64
dtype: object
三、索引与数据访问：精准操作的核心逻辑
1. 标签索引.loc[]：基于语义的精准定位
python
# 创建带日期索引的DataFrame
dates = pd.date_range("2023-01-01", periods=3, names="日期")
df_date = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]}, index=dates)
print("\n标签索引示例：")
print(df_date.loc["2023-01-01":"2023-01-02", ["A", "B"]])
输出结果：
plaintext
A B
日期
2023-01-01 1 4
2023-01-02 2 5
2. 位置索引.iloc[]：基于整数的机械定位
python
print("\n位置索引示例：")
print(df_date.iloc[0:2, 0]) # 前2行，第1列
输出结果：
plaintext
2023-01-01 1
2023-01-02 2
Name: A, dtype: int64
3. 布尔索引：动态过滤数据
python
# 筛选A列大于1的行
print("\n布尔索引示例：")
print(df_date[df_date["A"] > 1])
输出结果：
plaintext
A B
日期
2023-01-02 2 5
2023-01-03 3 6
四、数据操作与生态集成
1. 向量化运算：性能提升的核心
python
# 标量广播运算
df_scalar = df_date * 2
print("\n向量化运算（乘以2）：")
print(df_scalar)
输出结果：
plaintext
A B
日期
2023-01-01 2 8
2023-01-02 4 10
2023-01-03 6 12
2. 缺失值处理：数据清洗的必修课
python
df_missing = df_date.copy()
df_missing.loc["2023-01-01", "B"] = np.nan # 人为添加缺失值
print("\n含缺失值的DataFrame：")
print(df_missing)
# 填充缺失值
df_filled = df_missing.fillna(0)
print("\n填充后：")
print(df_filled)
输出结果：
plaintext
含缺失值的DataFrame：
A B
日期
2023-01-01 1 NaN
2023-01-02 2 5.0
2023-01-03 3 6.0
填充后：
A B
日期
2023-01-01 1 0.0
2023-01-02 2 5.0
2023-01-03 3 6.0
五、高级特性与最佳实践
1. 分组与聚合：复杂统计的利器
python
# 示例数据
df_group = pd.DataFrame({
"类别": ["A", "A", "B", "B"],
"数值": [1, 2, 3, 4]
})
print("\n分组聚合示例：")
print(df_group.groupby("类别")["数值"].sum())
输出结果：
plaintext
类别
A 3
B 7
Name: 数值, dtype: int64
2. 数据合并与重塑：多表联动处理
▍纵向合并（concat）
python
df1 = pd.DataFrame({"A": [1, 2], "B": [3, 4]}, index=[1, 2])
df2 = pd.DataFrame({"A": [5, 6], "B": [7, 8]}, index=[3, 4])
result_concat = pd.concat([df1, df2])
print("\n纵向合并结果：")
print(result_concat)
输出结果：
plaintext
A B
1 1 3
2 2 4
3 5 7
4 6 8
▍透视表（pivot_table）
python
df_pivot = pd.DataFrame({
"日期": ["2023-01-01", "2023-01-01", "2023-01-02", "2023-01-02"],
"产品": ["苹果", "香蕉", "苹果", "香蕉"],
"销量": [10, 20, 15, 25]
})
print("\n透视表结果：")
print(pd.pivot_table(df_pivot, values="销量", index="日期", columns="产品"))
输出结果：
plaintext
产品 香蕉 苹果
日期
2023-01-01 20.0 10.0
2023-01-02 25.0 15.0
总结
通过以上带输出的完整示例，我们深入解析了 Series 和 DataFrame 的核心操作。关键点包括：
- 标签化数据模型：索引对齐是 pandas 的灵魂，确保不同数据源可直接运算；
- 向量化优先：任何情况下优先使用向量化操作（如
df * 2），避免循环； - 数据类型优化：合理使用分类类型（
category）、数值类型（int32）减少内存占用； - 索引精准访问：
.loc[]和.iloc[]需严格区分，避免混淆导致的错误。
建议在实际项目中，每次创建数据结构后，用print()或head()查看数据形态，确保索引和数据类型符合预期。后续将分享更多关于时间序列分析、性能调优的实战技巧，欢迎关注！
如果觉得本文对你有帮助，欢迎点赞、收藏，你的支持是我持续输出技术干货的动力！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
