Pandas Series与DataFrame API及属性详解

Pandas Series与DataFrame API及属性详解

Pandas 是 Python 中用于数据分析的强大库，其核心数据结构为 Series（一维数据）和 DataFrame（二维数据）。本文将详细介绍 Series 和 DataFrame 的常用 API、属性，并通过示例帮助理解和记忆。

---

一、Pandas Series 详解

1. Series 简介

Series 是一个带标签的一维数组，类似于 NumPy 数组与 Python 字典的结合体。它由两部分组成：

• 数据：存储实际值（可以是任何类型）。
• 索引：每个数据的标签，默认从 0 开始。

2. Series 创建

以下是创建 Series 的常用方法：

import pandas as pd
import numpy as np

# 通过列表创建
s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print(s1)
# 输出：
# a    1
# b    2
# c    3
# d    4
# dtype: int64

# 通过字典创建
s2 = pd.Series({'x': 10, 'y': 20, 'z': 30})
print(s2)
# 输出：
# x    10
# y    20
# z    30
# dtype: int64

# 通过 NumPy 数组创建
s3 = pd.Series(np.array([5, 6, 7]), index=['p', 'q', 'r'])
print(s3)
# 输出：
# p    5
# q    6
# r    7
# dtype: int64

3. Series 属性

以下是 Series 的常用属性，用于快速获取信息：

属性	描述	示例代码	输出
values	返回底层 NumPy 数组	s1.values	[1 2 3 4]
index	返回索引对象	s1.index	Index(['a', 'b', 'c', 'd'], dtype='object')
dtype	返回数据类型	s1.dtype	int64
name	返回 Series 的名称	s1.name = 'test'; print(s1.name)	test
size	返回元素个数	s1.size	4
empty	检查是否为空	pd.Series().empty	True

示例：

s = pd.Series([10, 20, 30], index=['x', 'y', 'z'], name='scores')
print(s.values)  # [10 20 30]
print(s.index)   # Index(['x', 'y', 'z'], dtype='object')
print(s.dtype)   # int64
print(s.name)    # scores
print(s.size)    # 3

4. Series 常用 API

以下是 Series 的常用方法，分为索引、运算、统计和数据处理等类别：

（1）索引与选择

方法	描述	示例代码	输出
loc[]	基于标签索引	s.loc['x']	10
iloc[]	基于位置索引	s.iloc[0]	10
at[]	快速标量访问（标签）	s.at['y']	20
iat[]	快速标量访问（位置）	s.iat[1]	20

示例：

s = pd.Series([10, 20, 30], index=['x', 'y', 'z'])
print(s.loc['x'])  # 10
print(s.iloc[1])   # 20
print(s.at['z'])   # 30
print(s.iat[0])    # 10

（2）数学与统计

方法	描述	示例代码	输出
sum()	求和	s.sum()	60
mean()	均值	s.mean()	20.0
std()	标准差	s.std()	10.0
min() / max()	最小/最大值	s.min()	10
idxmin() / idxmax()	最小/最大值的索引	s.idxmax()	'z'

示例：

s = pd.Series([10, 20, 30], index=['x', 'y', 'z'])
print(s.sum())      # 60
print(s.mean())     # 20.0
print(s.max())      # 30
print(s.idxmin())   # 'x'

（3）数据处理

方法	描述	示例代码	输出
apply()	应用自定义函数	s.apply(lambda x: x*2)	x 20, y 40, z 60
map()	映射值	s.map({10: 'low', 20: 'mid', 30: 'high'})	x low, y mid, z high
replace()	替换值	s.replace(10, 100)	x 100, y 20, z 30
dropna()	删除缺失值	pd.Series([1, np.nan, 3]).dropna()	0 1.0, 2 3.0

示例：

s = pd.Series([10, 20, 30], index=['x', 'y', 'z'])
print(s.apply(lambda x: x*2))
# x    20
# y    40
# z    60
print(s.map({10: 'low', 20: 'mid', 30: 'high'}))
# x    low
# y    mid
# z    high

---

二、Pandas DataFrame 详解

1. DataFrame 简介

DataFrame 是一个带标签的二维数据结构，类似于表格或 SQL 表。它由多个 Series 组成，每列是一个 Series。

2. DataFrame 创建

以下是创建 DataFrame 的常用方法：

# 通过字典创建
data = {'name': ['Alice', 'Bob', 'Cathy'], 'age': [25, 30, 22], 'score': [90, 85, 88]}
df = pd.DataFrame(data)
print(df)
# 输出：
#      name  age  score
# 0  Alice   25     90
# 1    Bob   30     85
# 2  Cathy   22     88

# 通过列表和指定列名
df2 = pd.DataFrame([[1, 'A'], [2, 'B'], [3, 'C']], columns=['id', 'grade'])
print(df2)
# 输出：
#    id grade
# 0   1     A
# 1   2     B
# 2   3     C

3. DataFrame 属性

以下是 DataFrame 的常用属性：

属性	描述	示例代码	输出
values	返回底层 NumPy 数组	df.values	[[Alice 25 90] [Bob 30 85] [Cathy 22 88]]
index	返回行索引	df.index	RangeIndex(start=0, stop=3, step=1)
columns	返回列名	df.columns	Index(['name', 'age', 'score'], dtype='object')
dtypes	返回每列数据类型	df.dtypes	name object, age int64, score int64
shape	返回形状 (行, 列)	df.shape	(3, 3)
size	返回元素总数	df.size	9

示例：

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Cathy'], 'age': [25, 30, 22]})
print(df.columns)  # Index(['name', 'age'], dtype='object')
print(df.shape)    # (3, 2)
print(df.dtypes)   # name    object, age      int64

4. DataFrame 常用 API

以下是 DataFrame 的常用方法，分为选择、统计、合并和数据处理等类别：

（1）选择与索引

方法	描述	示例代码	输出
loc[]	基于标签索引	df.loc[0, 'name']	Alice
iloc[]	基于位置索引	df.iloc[0, 1]	25
at[]	快速标量访问（标签）	df.at[1, 'age']	30
iat[]	快速标量访问（位置）	df.iat[1, 1]	30
head(n)	查看前 n 行	df.head(2)	前两行数据
tail(n)	查看后 n 行	df.tail(1)	最后一行数据

示例：

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Cathy'], 'age': [25, 30, 22]})
print(df.loc[0, 'name'])  # Alice
print(df.iloc[1, 1])      # 30
print(df.head(2))
#      name  age
# 0  Alice   25
# 1    Bob   30

（2）统计与聚合

方法	描述	示例代码	输出
describe()	统计摘要	df.describe()	数值列的统计信息
sum()	按列求和	df['age'].sum()	77
mean()	按列均值	df['age'].mean()	25.67
groupby()	分组聚合	df.groupby('name')['age'].mean()	按 name 分组的 age 均值

示例：

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Alice'], 'age': [25, 30, 22]})
print(df.describe())
#             age
# count  3.000000
# mean  25.666667
print(df.groupby('name')['age'].mean())
# name
# Alice    23.5
# Bob      30.0

（3）数据处理

方法	描述	示例代码	输出
drop()	删除行/列	df.drop('age', axis=1)	删除 age 列
fillna()	填充缺失值	df.fillna(0)	缺失值填充为 0
merge()	合并 DataFrame	pd.merge(df1, df2, on='key')	按 key 合并
V sort_values()`	按列排序	df.sort_values('age')	按 age 排序

示例：

df = pd.DataFrame({'name': ['Alice', 'Bob', 'Cathy'], 'age': [25, 30, 22]})
df_sorted = df.sort_values('age')
print(df_sorted)
#      name  age
# 2  Cathy   22
# 0  Alice   25
# 1    Bob   30

---

三、记忆技巧

1. 联想记忆：

   • Series：想象成“单一列”（Single column），只有一维数据。
   • DataFrame：想象成“数据表格”（Data Frame），多列多行。

2. 分类记忆：

   • 属性：通常是“只读”信息，如 values, index, shape。
   • 方法：通常是“操作”数据，如 loc, apply, groupby。

3. 实践记忆：

   • 动手运行每个示例代码，尤其是 loc vs iloc、apply vs map 等易混淆的概念。
   • 尝试用真实数据集（如 CSV 文件）练习 DataFrame 操作。

---

四、总结

Pandas 的 Series 和 DataFrame 提供了丰富的 API 和属性，覆盖数据选择、统计、处理等功能。通过理解其核心概念（索引、标签、数据结构），结合示例代码实践，你可以快速掌握 Pandas 的使用。希望这篇博客能帮助你更轻松地学习和记忆 Pandas！