数据结构简介

Pandas 数据结构简介

Pandas 提供了两种主要的数据结构来处理数据：

Series（一维）
DataFrame（二维）

这些结构建立在 NumPy 数组之上，使其在数值计算和数据处理（data manipulation）方面效率很高。

维度与描述

可以将 DataFrame 看作是包含多个共享相同索引的 Series 对象的容器。DataFrame 中的每一列（column）都是一个 Series。

数据结构	维度	描述
Series	1	一个带标签的一维数组（1D labeled array），能够容纳任何数据类型（data type）（整数、字符串、浮点数、Python 对象等）。可以将其视为带标签的列表或电子表格中的单个列。
DataFrame	2	一个带标签的二维数据结构（2D labeled data structure），列可以包含不同类型的数据。类似于电子表格、SQL 表或 Series 对象的字典。

使用这些结构简化了许多数据处理任务。例如，在处理表格数据 (DataFrames) 时，通过索引标签（index labels）引用行，通过列名（column names）引用列，这比处理抽象的轴编号（如 axis 0 和 axis 1）更直观。

虽然 Pandas 历史上曾有一个名为 Panel 的三维结构，但现在已经不太常用。对于超过二维的多维数据，用户通常使用 MultiIndex DataFrames 或像 Xarray 这样的库，它们提供更灵活的 N 维数据处理能力。

可变性

Pandas 数据结构通常是值可变的（value-mutable），这意味着它们包含的数据可以被修改。DataFrames 也是大小可变的（size-mutable），允许添加或删除列。然而，Series 是大小不可变的（size-immutable）；创建后其长度不能改变，但值可以修改。

注意：DataFrame 是 Pandas 中用于数据分析任务最广泛使用且至关重要的数据结构。

Series

Series 是一种一维带标签的数组，通常包含单一类型的数据（尽管它可以包含混合类型，通常用 ‘object’ dtype 表示）。例如，下面表示一个整数 Series：

索引	值
0	10
1	23
2	56
…	…

关键点

通常是同构数据（单一数据类型）
大小不可变（长度不能改变）
值可变（数据可以改变）

DataFrame

DataFrame 是一种二维带标签的结构，像一个表格，列可以具有不同的数据类型。例如：

姓名	年龄	性别	评分
Steve	32	Male	3.45
Lia	28	Female	4.6
Vin	45	Male	3.9
Katie	38	Female	2.78

这个表格表示关于一个销售团队的数据。每一行对应一个独立的个体（一个观察 - observation），每一列表示一个特定的属性（一个特征 - feature）。

列的数据类型

Pandas 可能会将上面示例中列的数据类型推断为：

列	推断类型
Name	object (字符串)
Age	int64 (整数)
Gender	object (字符串)
Rating	float64 (浮点数)

关键点

可能包含异构数据（列可以有不同的类型）
大小可变（可以添加/删除列/行）
数据可变（值可以改变）