在数据分析的世界里，有一个工具几乎是绕不开的 —— 那就是 Pandas。无论是数据清洗、转换，还是统计分析、可视化前的数据准备，Pandas 都以其强大的功能和简洁的语法，成为了数据从业者的 “瑞士军刀”。而 Pandas 的强大，很大程度上源于其设计精妙的核心数据结构。今天，我们就来深入剖析 Pandas 中最核心的两种数据结构 ——Series与DataFrame。
一、Pandas 是什么？
Pandas 是基于 NumPy 的一个开源 Python 库，诞生于 2008 年，由 Wes McKinney 开发。它专为解决数据分析任务而设计，提供了高效、灵活且易于使用的数据结构，让我们能够轻松处理结构化数据（如表格数据、时间序列数据等）。
Pandas 的名字来源于 “Panel Data”（面板数据），这是经济学中用于描述多维结构化数据的术语，也暗示了它在处理复杂数据方面的能力。
二、核心数据结构：Series 与 DataFrame
Pandas 的强大之处，首先体现在它的两个核心数据结构上 ——Series和DataFrame。这两种结构为数据处理提供了坚实的基础，能够应对从简单到复杂的各种数据场景。
1. Series：一维带标签数组
Series 是 Pandas 中最基本的数据结构之一，它本质上是一个一维数组，但与普通 NumPy 数组的最大区别在于，它自带一个标签索引。这个索引可以是整数、字符串、时间戳等，极大地增强了数据访问和操作的灵活性。
（1）Series 的构成
一个 Series 由两部分组成：
- values：存储实际的数据，通常是一个 NumPy 数组。
- index：存储数据的标签，是一个 Index 对象。
我们可以通过values和index属性来访问这两部分：
import pandas as pd
import numpy as np
s = pd.Series([10, 20, 30, 40, 50])
print("数据值：", s.values) # 输出：[10 20 30 40 50]
print("索引：", s.index) # 输出：RangeIndex(start=0, stop=5, step=1)（2）创建 Series 的多种方式
除了从列表创建，Series 还支持多种创建方式：
- 指定索引创建：
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 输出：
# a 10
# b 20
# c 30
# dtype: int64- 从字典创建：字典的键会自动成为索引，值成为数据：
data = {'苹果': 5, '香蕉': 3, '橙子': 4}
s = pd.Series(data)
# 输出：
# 苹果 5
# 香蕉 3
# 橙子 4
# dtype: int64- 从标量值创建：需要指定索引长度，所有索引对应的值都为该标量：
s = pd.Series(10, index=['x', 'y', 'z'])
# 输出：
# x 10
# y 10
# z 10
# dtype: int64（3）Series 的索引与切片
Series 的索引操作非常灵活，既可以通过位置索引（类似列表），也可以通过标签索引：
- 标签索引：使用[]或loc[]
s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(s['b']) # 输出：20
print(s.loc['b']) # 输出：20（推荐使用loc，更清晰）- 位置索引：使用iloc[]
print(s.iloc[1]) # 输出：20（第2个元素，从0开始）- 切片操作：
# 标签切片（包含终点）
print(s.loc['a':'c']) # 输出a、b、c对应的值
# 位置切片（不包含终点）
print(s.iloc[0:2]) # 输出第0、1个元素（4）Series 的运算与缺失值处理
Series 支持向量运算，无需循环即可对每个元素进行操作：
s = pd.Series([1, 2, 3, 4])
print(s + 10) # 每个元素加10
print(s * 2) # 每个元素乘2
print(s > 2) # 布尔判断，返回布尔型Series对于缺失值（NaN），Pandas 提供了便捷的处理方法：
s = pd.Series([1, np.nan, 3, np.nan])
print(s.dropna()) # 删除缺失值
print(s.fillna(0)) # 用0填充缺失值
print(s.isna()) # 判断是否为缺失值（返回布尔型Series）2. DataFrame：二维表格型数据结构
DataFrame 是 Pandas 中最核心、最常用的数据结构，它类似于 Excel 表格、SQL 表或 R 中的 data.frame，是一个二维标签数据结构，由行和列组成，每列可以是不同的数据类型（数值、字符串、布尔值等）。
（1）DataFrame 的构成
DataFrame 可以理解为 “Series 的字典”，即每个列是一个 Series，所有列共享同一个行索引。其结构包括：
- index：行标签（索引）
- columns：列标签（列名）
- values：二维数据数组（NumPy 数组或类似结构）
data = {
'姓名': ['张三', '李四', '王五'],
'年龄': [25, 30, 35],
'城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)
print("行索引：", df.index)
print("列索引：", df.columns)
print("数据值：\n", df.values)（2）创建 DataFrame 的多种方式
- 从字典创建：最常用的方式，字典的键为列名，值为列表或 Series：
data = {
'A': [1, 2, 3],
'B': ['a', 'b', 'c'],
'C': [True, False, True]
}
df = pd.DataFrame(data)- 从列表嵌套列表创建：需要指定列名：
data = [
[1, 'a', True],
[2, 'b', False],
[3, 'c', True]
]
df = pd.DataFrame(data, columns=['A', 'B', 'C'])- 从 CSV/Excel 文件创建：实际工作中最常用的方式：
df = pd.read_csv('data.csv') # 从CSV文件读取
df = pd.read_excel('data.xlsx') # 从Excel文件读取-
- 从 Series 创建：多个 Series 组成 DataFrame（共享索引）：
s1 = pd.Series([1, 2, 3], name='A')
s2 = pd.Series(['a', 'b', 'c'], name='B')
df = pd.DataFrame({s1.name: s1, s2.name: s2})（3）DataFrame 的索引与数据访问
DataFrame 的索引操作比 Series 更复杂，因为涉及行和列两个维度：
- 选择列：通过列名（类似字典）或[]
# 选择单列（返回Series）
print(df['姓名'])
print(df.姓名) # 简写形式，列名无空格时可用
# 选择多列（返回DataFrame）
print(df[['姓名', '年龄']])- 选择行：使用loc（标签索引）或iloc（位置索引）
# 标签索引行
print(df.loc[0]) # 选择第0行（返回Series）
print(df.loc[0:1]) # 选择第0-1行（返回DataFrame）
# 位置索引行
print(df.iloc[0]) # 选择第0行
print(df.iloc[0:2, 0:2]) # 选择前2行、前2列（行切片:列切片）- 选择单元格：
# 标签定位（行标签, 列标签）
print(df.loc[0, '姓名']) # 输出：张三
# 位置定位（行位置, 列位置）
print(df.iloc[0, 0]) # 输出：张三（4）DataFrame 的基本操作
- 添加 / 删除列：
# 添加新列
df['年龄加5'] = df['年龄'] + 5
# 删除列
df = df.drop('年龄加5', axis=1) # axis=1表示操作列- 修改索引与列名：
# 修改列名，将冒号左边的数据改成右边的数据
df = df.rename(columns={'姓名': '名字', '城市': '所在城市'})
# 重置行索引
df = df.reset_index(drop=True) # drop=True表示删除原索引- 数据排序：
# 按列值排序（升序）
df_sorted = df.sort_values(by='年龄')
# 按列值排序（降序）
df_sorted = df.sort_values(by='年龄', ascending=False)
# 按索引排序
df_sorted = df.sort_index()- 缺失值处理：
# 检测缺失值（每列的缺失值数量）
print(df.isna().sum())
# 填充缺失值（用列的均值填充数值列）
df['年龄'] = df['年龄'].fillna(df['年龄'].mean())
# 删除含有缺失值的行（如果仍有缺失值）
df = df.dropna(axis=0) # axis=0表示操作行（5）DataFrame 的聚合与分组
分组聚合是数据分析中非常重要的操作，Pandas 通过groupby实现：
# 按“城市”分组，计算每个城市的平均年龄
# 假设我们有一个包含人员信息的DataFrame
import pandas as pd
data = {
'城市': ['北京', '北京', '上海', '上海', '广州'],
'年龄': [25, 30, 28, 32, 27]
df = pd.DataFrame(data)
city_age_mean = df.groupby('城市')['年龄'].mean()
print(city_age_mean)
# 分组后应用多个聚合函数
city_age_stats = df.groupby('城市')['年龄'].agg(['mean', 'max', 'min'])
print(city_age_stats)三、总结
Series 和 DataFrame 是 Pandas 的基石，掌握这两种数据结构的特性与操作，是学好 Pandas 的关键。Series 作为一维带标签数组，适合处理单列数据；而 DataFrame 作为二维表格结构，能够轻松应对复杂的结构化数据场景。
无论是数据的创建、索引、切片，还是运算、缺失值处理、分组聚合，Pandas 都提供了简洁高效的方法，让数据处理变得得心应手。后续的数据分析、清洗、转换等操作，都是基于这两种数据结构展开的。