Python Pandas库概述与应用场景：Series与DataFrame创建指南
1. Pandas简介
Pandas是Python数据分析的核心库，提供了高效、灵活的数据结构（Series和DataFrame）和数据分析工具。它特别适合处理表格数据、时间序列和各种结构化数据集。
主要特点：
- 处理缺失数据
- 强大的数据对齐功能
- 灵活的重塑和旋转数据集
- 基于标签的智能切片和索引
- 合并和连接数据集
2. Series的创建与应用
Series是Pandas中最基本的一维数据结构，类似于带标签的数组。
2.1 从列表创建Series
import pandas as pd
# 从列表创建Series
data = [10, 20, 30, 40, 50]
s = pd.Series(data)
print(s)
"""
0 10
1 20
2 30
3 40
4 50
dtype: int64
"""
# 自定义索引
s_with_index = pd.Series(data, index=['a', 'b', 'c', 'd', 'e'])
print(s_with_index)
"""
a 10
b 20
c 30
d 40
e 50
dtype: int64
"""
应用场景：适用于一维数据存储，如时间序列、实验测量数据等。
2.2 从字典创建Series
# 从字典创建Series
data_dict = {'a': 1, 'b': 2, 'c': 3}
s_dict = pd.Series(data_dict)
print(s_dict)
"""
a 1
b 2
c 3
dtype: int64
"""
# 指定索引顺序
s_dict_ordered = pd.Series(data_dict, index=['b', 'a', 'c', 'd'])
print(s_dict_ordered)
"""
b 2.0
a 1.0
c 3.0
d NaN
dtype: float64
"""
说明：字典的键自动成为Series的索引，未匹配的索引值显示为NaN。
2.3 从标量值创建Series
# 从标量值创建Series
s_scalar = pd.Series(5, index=['a', 'b', 'c', 'd'])
print(s_scalar)
"""
a 5
b 5
c 5
d 5
dtype: int64
"""
应用场景：需要创建具有相同值的Series时使用。
3. DataFrame的创建与应用
DataFrame是Pandas中最重要的二维表格型数据结构，可以看作是由多个Series组成的字典。
3.1 从字典创建DataFrame
# 从字典创建DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Paris', 'London']
}
df = pd.DataFrame(data)
print(df)
"""
Name Age City
0 Alice 25 New York
1 Bob 30 Paris
2 Charlie 35 London
"""
# 指定列顺序
df_ordered = pd.DataFrame(data, columns=['City', 'Name', 'Age'])
print(df_ordered)
"""
City Name Age
0 New York Alice 25
1 Paris Bob 30
2 London Charlie 35
"""
# 指定索引
df_indexed = pd.DataFrame(data, index=['id1', 'id2', 'id3'])
print(df_indexed)
"""
Name Age City
id1 Alice 25 New York
id2 Bob 30 Paris
id3 Charlie 35 London
"""
应用场景：最常用的DataFrame创建方式，适合结构化数据存储。
3.2 从列表的列表创建DataFrame
# 从列表的列表创建DataFrame
data = [
['Alice', 25, 'New York'],
['Bob', 30, 'Paris'],
['Charlie', 35, 'London']
]
df_list = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df_list)
"""
Name Age City
0 Alice 25 New York
1 Bob 30 Paris
2 Charlie 35 London
"""
说明：需要显式指定列名，否则会使用默认列名(0,1,2...)。
3.3 从NumPy数组创建DataFrame
import numpy as np
# 从NumPy数组创建DataFrame
arr = np.random.rand(3, 4) # 3行4列的随机数组
df_np = pd.DataFrame(arr, columns=['A', 'B', 'C', 'D'])
print(df_np)
"""
A B C D
0 0.374540 0.950714 0.731994 0.598658
1 0.156019 0.155995 0.058084 0.866176
2 0.601115 0.708073 0.020584 0.969910
"""
应用场景：科学计算中NumPy数组与Pandas DataFrame的转换。
3.4 从Series字典创建DataFrame
# 从Series字典创建DataFrame
s1 = pd.Series(['Alice', 'Bob', 'Charlie'])
s2 = pd.Series([25, 30, 35])
s3 = pd.Series(['New York', 'Paris', 'London'])
df_series = pd.DataFrame({'Name': s1, 'Age': s2, 'City': s3})
print(df_series)
"""
Name Age City
0 Alice 25 New York
1 Bob 30 Paris
2 Charlie 35 London
"""
说明：当各Series长度不一致时，会自动对齐索引。
3.5 从文件创建DataFrame
# 从CSV文件创建DataFrame (示例)
# df_csv = pd.read_csv('data.csv')
# 从Excel文件创建DataFrame (示例)
# df_excel = pd.read_excel('data.xlsx')
# 从JSON文件创建DataFrame (示例)
# df_json = pd.read_json('data.json')
应用场景：实际工作中最常见的数据导入方式。
4. 特殊DataFrame创建方法
4.1 创建空DataFrame
# 创建空DataFrame
empty_df = pd.DataFrame(columns=['Name', 'Age', 'City'])
print(empty_df)
"""
Empty DataFrame
Columns: [Name, Age, City]
Index: []
"""
# 添加数据
empty_df.loc[0] = ['Alice', 25, 'New York']
print(empty_df)
"""
Name Age City
0 Alice 25 New York
"""
应用场景：需要动态构建DataFrame时使用。
4.2 创建日期范围索引的DataFrame
# 创建日期范围索引的DataFrame
dates = pd.date_range('20230101', periods=6)
df_date = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=['A', 'B', 'C', 'D'])
print(df_date)
"""
A B C D
2023-01-01 -0.302665 -0.634707 0.215565 -0.308545
2023-01-02 -0.815322 -0.119054 0.609594 0.541054
2023-01-03 0.158121 -0.612093 1.377373 -0.674487
2023-01-04 -0.568650 -0.572925 -0.290846 -0.303812
2023-01-05 -0.279248 0.837348 0.331791 0.839871
2023-01-06 0.311553 -0.722283 -0.346608 0.692739
"""
应用场景：时间序列分析、金融数据分析等。
5. 数据查看与基本信息
创建DataFrame后，我们可以查看其基本信息：
# 查看前几行
print(df.head(2))
"""
Name Age City
0 Alice 25 New York
1 Bob 30 Paris
"""
# 查看基本信息
print(df.info())
"""
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 3 non-null object
1 Age 3 non-null int64
2 City 3 non-null object
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes
None
"""
# 查看统计信息
print(df.describe())
"""
Age
count 3.000000
mean 30.000000
std 5.000000
min 25.000000
25% 27.500000
50% 30.000000
75% 32.500000
max 35.000000
"""
6. 总结
-
Series是带标签的一维数组，适合存储单列数据和标签信息
- 可以从列表、字典、标量值创建
- 自动对齐索引是Pandas的强大特性
-
DataFrame是二维表格型数据结构，是数据分析的核心
- 可以从字典、列表、NumPy数组、Series字典等多种方式创建
- 支持自定义索引和列名
- 可以从各种文件格式导入数据
-
选择创建方法应考虑：
- 数据来源（内存数据结构还是外部文件）
- 是否需要自定义索引
- 数据维度（一维用Series，二维用DataFrame）
Pandas灵活的数据结构创建方式使其成为数据科学工作流中不可或缺的工具。掌握这些基础创建方法后，可以更高效地进行数据清洗、转换和分析工作。
