pandas 数据结构

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

Pandas 将读取到的数据加载到自己的叫做 Series 和 DataFrame 的数据结构框架当中，数据一旦进入这两种框架，我们就可以按照这些框架自己的处理方法进行处理，这是对数据的一种高级抽象。

注：之前支持三维的面板（Panel）结构已经不再支持。

理解数据结构

数据结构就像一个存放数据的架子，有多行多列，每个数据在一个格子里，每个格子有自己的编号。比如一个剧场的座位，我们在横向编成 1排、2排、3排等，在纵向编成 1号、2号、3号等，那一个具体的位置就如 4排18号、6排1号等，我们每个人落座后就像一个具体的数据。

数据结构提供了一个数据框架，Pandas 不用关注你给它的是什么业务数据，只要符合这个框架就能放进去，它会提供各种针对这个框架的处理方法，你只需要根据你的数据分析需求去使用它。

Series

Series （系列、数列、序列）是一个带有标签的一维数组。以下各国的 GDP 就是一个典型的 Series，国家是标签、索引，不是具体的数据，起到解释数据的作用。

中国  14.22
美国  21.34
日本  5.18
dtype: float64

带有同样标签和索引的 Series 可以组成一个 DataFrame，比如我们再增加一个国家的人口，下边会讲到。

DataFrame

DataFrame 是 Pandas 定义的一个二维数据结构。如上图所示：

• 横向的称作行（row），我们所说的一条数据，就是指其中的一行
• 纵向的称作列（column），或者可以叫一个字段，是一条数据的某个值
• 第一行是表头，或者可叫字段名，类型 Python 字典里的 key，代码数据的属性
• 第一列是索引（index），就是这行数据所描述的主体，也是这条数据的关键
• 表头和索引在一些场景下也有称列索引和行索引的
• 行索引和列索引可能会出外多层索引的情况，后边会遇到

熟悉了上边的概念，我们来看看一个具体的 DataFrame:

       人口    GDP
中国  14.33  14.22
美国   3.29  21.34
日本   1.26   5.18

这个例子是在 Series 的例子上演化而来，其中：

• 共有三行两列（不包含索引）数据
• 国家那一列是这个表的索引，每一行数据就是针对这个国家的
• 每条数据有两个值，分别是人口和 GDP

这就是一个典型的 DataFrame 结构。

Numpy

Numpy 是一个高效的科学计算库，Panas 的这些数据结构是构建在 Numpy 数组之上，所以处理速度非常快。作为使用，我们不用专门去学习 Numpy 的基础知识，在使用过程中如果遇到可以去了解学习一下。下节会专门介绍一些基础的用法，不过都没用先去学习它，等用去它的时候再去查一查。

特点

Series 和 DataFrame 里边的值都是可变的，它们都可以增加行，并排序，Series 只有一列不能再增加，DataFrame 可以增加列。

我们在处理数据时，不要对原始数据及转入进来的初始数据（如 DataFrame 一般变量为 df）进行改动，而是复制生成新的对象，或者使用方法链，这样比较稳妥。试想，你如果改变了上边两个步骤的数据如果分析方法错误就会增加调整成本，如果是源数据集有可能造成无源挽回的损失。