Pandas數據結構詳解：Series與DataFrame實戰指南

前言

Pandas是Python數據分析的核心庫，其強大的數據處理能力主要基于兩種核心數據結構：Series和DataFrame。本文將深入解析這兩種數據結構的概念、創建方式、常用屬性和方法，并通過豐富的實戰案例幫助讀者掌握Pandas的基礎操作。

一、Series數據結構詳解

1.1 Series概念與特點

Series是Pandas中的一維數據結構，可以理解為帶標簽的一維數組。每個Series對象包含兩個主要組成部分：

• 數據值（Values）：一組值，支持NumPy的所有數據類型
• 索引（Index）：與數據值對應的標簽，類似于字典的鍵

核心特點：

• 類似于Excel中的一列數據
• 支持通過標簽訪問數據
• 自動創建從0開始的整數索引（如果未指定）

1.2 Series的創建方式

方式一：通過NumPy數組創建

import numpy as np
import pandas as pd# 創建ndarray對象
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # [1 2 3 4 5]# 轉換為Series對象
s1 = pd.Series(arr)
print(s1)
# 輸出：
# 0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64

方式二：通過Python列表創建

# 直接傳入列表
s2 = pd.Series([1, 2, 3, 4, 5])
print(s2)# 指定自定義索引
s3 = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s3)
# 輸出：
# a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int64

方式三：通過字典創建

# 字典的鍵自動成為索引
s4 = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5})
print(s4)

1.3 Series的常用屬性

# 創建示例Series
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])# 基本屬性
print(s.dtype)      # 數據類型：int64
print(s.shape)      # 維度：(5,)
print(s.size)       # 元素個數：5
print(s.index)      # 索引：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
print(s.values)     # 值：array([1, 2, 3, 4, 5])
print(s.name)       # 名稱：None

1.4 Series的常用方法

統計方法

s = pd.Series([1, 2, 3, 4, 2, 3], index=['a', 'b', 'c', 'd', 'e', 'f'])# 基礎統計
print(s.count())    # 非空元素個數：6
print(s.sum())      # 總和：15
print(s.mean())     # 平均值：2.5
print(s.median())   # 中位數：2.5
print(s.mode())     # 眾數：2, 3
print(s.std())      # 標準差：1.0488088481701516
print(s.var())      # 方差：1.1
print(s.min())      # 最小值：1
print(s.max())      # 最大值：4# 描述性統計
print(s.describe())
# 輸出：
# count    6.000000
# mean     2.500000
# std      1.048809
# min      1.000000
# 25%      2.000000
# 50%      2.500000
# 75%      3.000000
# max      4.000000
# dtype: float64

數據操作方法

# 查看數據
print(s.head(3))    # 前3行
print(s.tail(3))    # 后3行# 排序
print(s.sort_values())                    # 按值升序
print(s.sort_values(ascending=False))     # 按值降序
print(s.sort_index())                     # 按索引升序# 去重和統計
print(s.unique())           # 唯一值：[1 2 3 4]
print(s.value_counts())     # 值計數：2    2, 3    2, 1    1, 4    1
print(s.drop_duplicates())  # 刪除重復值

1.5 Series的布爾索引

# 讀取科學家數據
df = pd.read_csv("data/scientists.csv")
ages_series = df['Age']# 計算平均年齡
mean_age = ages_series.mean()
print(f"平均年齡：{mean_age}")  # 59.125# 布爾索引篩選
older_scientists = ages_series[ages_series > mean_age]
print("年齡大于平均年齡的科學家：")
print(older_scientists)# 獲取符合條件的完整信息
older_info = df[ages_series > mean_age][["Name", "Age"]]
print(older_info)

1.6 Series的運算操作

# Series與數值運算
ages_series = df['Age']
print(ages_series + 10)  # 每個年齡加10
print(ages_series * 2)   # 每個年齡乘2# Series與Series運算
print(ages_series + ages_series)  # 對應元素相加# 基于索引的運算
sorted_ages = ages_series.sort_values(ascending=False)
print(ages_series + sorted_ages)  # 按索引匹配運算

二、DataFrame數據結構詳解

2.1 DataFrame概念與特點

DataFrame是Pandas中最核心的數據結構，可以理解為二維表格，類似于Excel工作表或SQL數據庫表。

核心特點：

• 二維表格結構（行和列）
• 每列是一個Series對象
• 所有列共享同一個行索引
• 支持多種數據類型的列

2.2 DataFrame的創建方式

方式一：通過字典創建

# 基礎字典創建
dict_data = {'name': ['張三', '李四', '王五'],'age': [18, 19, 20],'sex': ['男', '女', '男']
}df1 = pd.DataFrame(dict_data)
print(df1)
# 輸出：
#    name  age sex
# 0  張三   18  男
# 1  李四   19  女
# 2  王五   20  男# 指定行索引
df2 = pd.DataFrame(dict_data, index=['a', 'b', 'c'])
print(df2)# 指定行索引和列索引
df3 = pd.DataFrame(dict_data, index=['a', 'b', 'c'], columns=['id', 'name', 'age', 'sex'])
print(df3)  # 不存在的列用NaN填充

方式二：通過CSV文件創建

# 讀取CSV文件
df = pd.read_csv("data/scientists.csv")
print(df.head())# 指定索引列
df = pd.read_csv("data/scientists.csv", index_col='id')
print(df.head())

2.3 DataFrame的常用屬性

df = pd.read_csv("data/scientists.csv")# 基本屬性
print(df.index)     # 行索引
print(df.columns)   # 列名
print(df.values)    # 數據值
print(df.shape)     # 維度：(8, 5)
print(df.size)      # 元素個數：40
print(df.ndim)      # 維度數：2
print(df.dtypes)    # 每列的數據類型

2.4 DataFrame的常用方法

數據查看方法

print(df.head())        # 前5行
print(df.tail(3))       # 后3行
print(df.info())        # 數據信息
print(df.describe())    # 描述性統計# 按數據類型統計
print(df.describe(exclude=['object']))  # 排除字符串類型
print(df.describe(include='all'))       # 包含所有類型

數據篩選方法

# 布爾索引篩選
movie_df = pd.read_csv("data/movie.csv")
long_movies = movie_df[movie_df.duration > movie_df.duration.mean()]
print(long_movies[["director_name", 'duration']].head())# 多條件篩選
result = movie_df[(movie_df.duration > 120) & (movie_df.budget > 50000000)
]
print(result.head())

2.5 DataFrame的列操作

添加列

movie_df = pd.read_csv("data/movie.csv", index_col='movie_title')# 添加簡單列
movie_df['has_seen'] = 0
print(movie_df.head())# 添加計算列
movie_df['director_actor_facebook_likes'] = (movie_df['director_facebook_likes'] +movie_df['actor_1_facebook_likes'] +movie_df['actor_2_facebook_likes'] +movie_df['actor_3_facebook_likes']
)
print(movie_df.head())

刪除列

# 刪除單列
movie_df.drop("has_seen", axis=1, inplace=True)# 刪除多列
movie_df.drop(["actor_1_name", "actor_2_name", "actor_3_name"], axis=1, inplace=True)# 刪除行
movie_df.drop("Avatar", axis=0, inplace=True)

插入列

# 在指定位置插入列
movie_df.insert(0, "profit", movie_df["gross"] - movie_df["budget"])
print(movie_df.head())

2.6 DataFrame的運算操作

# DataFrame與數值運算
print(df * 2)  # 每個元素乘2# DataFrame與DataFrame運算
print(df + df)  # 對應元素相加# 索引不匹配的運算
print(df + df[0:4])  # 不匹配的索引用NaN填充

三、實戰案例分析

3.1 科學家數據分析

# 讀取數據
scientists_df = pd.read_csv("data/scientists.csv")# 基礎統計
print("科學家年齡統計：")
print(scientists_df['Age'].describe())# 按職業分組統計
occupation_stats = scientists_df.groupby('Occupation')['Age'].agg(['mean', 'count'])
print("\n各職業年齡統計：")
print(occupation_stats)# 篩選長壽科學家
long_lived = scientists_df[scientists_df['Age'] > 70]
print(f"\n年齡超過70歲的科學家：{len(long_lived)}人")
print(long_lived[['Name', 'Age', 'Occupation']])

3.2 餐廳小費數據分析

# 讀取小費數據
tips_df = pd.read_csv("data/tips.csv")# 基礎統計
print("小費數據分析：")
print(f"總賬單平均：${tips_df['total_bill'].mean():.2f}")
print(f"小費平均：${tips_df['tip'].mean():.2f}")
print(f"小費比例：{tips_df['tip'].sum() / tips_df['total_bill'].sum() * 100:.1f}%")# 按性別分析
gender_tips = tips_df.groupby('sex')['tip'].agg(['mean', 'count'])
print("\n按性別分析小費：")
print(gender_tips)# 按星期分析
day_tips = tips_df.groupby('day')['tip'].mean().sort_values(ascending=False)
print("\n按星期分析平均小費：")
print(day_tips)

3.3 電影數據分析

# 讀取電影數據
movie_df = pd.read_csv("data/movie.csv")# 計算利潤率
movie_df['profit_margin'] = ((movie_df['gross'] - movie_df['budget']) / movie_df['budget'] * 100
)# 篩選盈利電影
profitable_movies = movie_df[movie_df['profit_margin'] > 0]
print(f"盈利電影數量：{len(profitable_movies)}")
print(f"盈利電影比例：{len(profitable_movies) / len(movie_df) * 100:.1f}%")# 按導演分析
director_stats = movie_df.groupby('director_name').agg({'profit_margin': 'mean','movie_title': 'count'
}).rename(columns={'movie_title': 'movie_count'})# 篩選多部電影的導演
top_directors = director_stats[director_stats['movie_count'] >= 3].sort_values('profit_margin', ascending=False)
print("\n多部電影導演的利潤率排名：")
print(top_directors.head(10))

四、最佳實踐與注意事項

4.1 性能優化建議

1. 使用適當的數據類型：根據數據特點選擇合適的數據類型
2. 避免鏈式操作：減少中間變量的創建
3. 使用向量化操作：避免使用循環，優先使用Pandas的內置方法

4.2 常見錯誤與解決方案

1. SettingWithCopyWarning：使用.copy()或.loc避免鏈式索引
2. 數據類型不匹配：注意數值運算時的數據類型轉換
3. 索引不匹配：確保運算時索引的一致性

4.3 代碼規范

# 推薦的代碼風格
import pandas as pd
import numpy as np# 讀取數據
df = pd.read_csv("data.csv")# 數據預處理
df_clean = df.dropna().copy()# 數據分析
result = df_clean.groupby('category').agg({'value': ['mean', 'std', 'count']
})# 結果輸出
print(result)

五、總結

本文詳細介紹了Pandas的兩種核心數據結構：Series和DataFrame。通過豐富的代碼示例和實戰案例，我們學習了：

1. Series：一維帶標簽數組，支持多種創建方式和強大的統計方法
2. DataFrame：二維表格結構，是數據分析的主要工具
3. 數據操作：包括篩選、運算、列操作等常用功能
4. 實戰應用：通過真實數據集展示了數據分析的完整流程

掌握這些基礎知識后，你將能夠：

• 高效地處理各種格式的數據
• 進行基礎的數據清洗和預處理
• 執行描述性統計分析
• 為更高級的數據分析任務打下堅實基礎

Pandas的強大之處在于其豐富的生態系統和與其他數據科學庫的無縫集成。建議讀者在實際項目中多加練習，逐步掌握更多高級功能。

---

關鍵詞：Pandas、Series、DataFrame、數據分析、Python、數據科學

相關推薦：

• NumPy基礎入門實戰指南
• MySQL窗口函數與PyMySQL實戰指南
• 數據結構與算法基礎