Pandas入门教程：理解表格数据结构与基本操作

什么是Pandas？

Pandas是Python中最强大的数据分析库之一，它提供了高效的数据结构和数据分析工具。在数据科学领域，Pandas几乎成为了处理表格数据的标准工具。

安装与导入

使用Pandas前需要先导入它，社区公认的标准导入方式是：

import pandas as pd

这种简写方式pd被广泛采用，也是Pandas文档中的标准做法。

Pandas的核心数据结构

DataFrame：二维表格

DataFrame是Pandas中最核心的数据结构，它类似于：

• Excel电子表格
• SQL数据库表
• R语言中的data.frame

DataFrame可以存储不同类型的数据（字符串、整数、浮点数、分类数据等），每一列可以有不同的数据类型。

创建DataFrame示例

df = pd.DataFrame(
    {
        "Name": [
            "Braund, Mr. Owen Harris",
            "Allen, Mr. William Henry",
            "Bonnell, Miss. Elizabeth",
        ],
        "Age": [22, 35, 58],
        "Sex": ["male", "male", "female"],
    }
)

这段代码创建了一个包含3列（Name、Age、Sex）的DataFrame，每列数据类型不同：

• Name列：字符串
• Age列：整数
• Sex列：字符串

Series：单列数据

DataFrame中的每一列都是一个Series对象。Series是带标签的一维数组，可以存储任何数据类型。

从DataFrame中提取Series

age_series = df["Age"]

直接创建Series

ages = pd.Series([22, 35, 58], name="Age")

基本数据操作

计算最大值

# 从DataFrame中计算
df["Age"].max()

# 从Series中计算
ages.max()

描述性统计

df.describe()

describe()方法会返回数值列的基本统计信息，包括：

• 计数
• 平均值
• 标准差
• 最小值/最大值
• 四分位数

注意：文本列（如Name和Sex）默认不会被包含在统计结果中。

关键概念总结

1. 导入惯例：始终使用import pandas as pd导入Pandas
2. DataFrame：代表二维表格数据，是Pandas的核心数据结构
3. Series：代表单列数据，是DataFrame的组成部分
4. 方法调用：通过调用方法（如max()、describe()）来操作数据

为什么选择Pandas？

Pandas不仅提供了数据表示功能，还支持各种数据操作：

• 数据清洗
• 数据转换
• 数据分析
• 数据可视化

它的设计使得处理表格数据变得直观高效，特别适合处理结构化数据。

后续学习建议

掌握了这些基础概念后，你可以继续深入学习：

• 数据索引与选择
• 数据清洗技术
• 数据聚合与分组
• 时间序列处理
• 数据可视化集成

Pandas的功能远不止于此，这些基础知识将为你打开数据分析的大门。