Python Pandas 核心数据结构与操作实战指南
Pandas 是 Python 数据分析领域的基石，提供了高效的数据结构和运算功能。掌握它，意味着能轻松处理表格数据、进行统计分析及构建机器学习特征。
一、环境准备
首先导入库并设置别名，这是约定俗成的写法：
import pandas as pd
二、Series：一维带标签数组
Series 类似 NumPy 的一维数组，但多了索引标签（Index），可存储异构数据。
1. 创建与基础属性
默认从 0 开始索引。可以通过 index 查看标签，values 获取底层数值。
注意区分位置索引和标签。若自定义了标签（如 5, 6, 7），直接访问下标 0 会报错，此时需使用定位方法。
2. 定位方式：iloc 与 loc
这是新手最容易混淆的地方，务必分清：
- iloc：基于整数位置（Positional Index）。计算机视角的'第几个'。
- loc：基于标签（Label-based Indexing）。用户视角的'名字'。
3. 创建与修改
Series 本质是一维数据，键值对中的'键'即标签。
# 创建示例
s = pd.Series([90, 85, 95], index=['小张', '小李', '小王'])
# 修改数据：通过标签定位
s.loc['小张'] = 95
4. 筛选与布尔运算
在 Pandas 中，逻辑与需用 & 代替 and，逻辑或需用 | 代替 or，且条件需加括号。
三、算术运算与统计
1. 加减乘除
直接运算符 (+, -) 会自动对齐索引。若索引不匹配，结果会出现 NaN。推荐使用 .add(), .sub() 等方法控制行为，例如用 fill_value=0 填充缺失值。
其他运算同理：
2. 常用统计函数
包括最大值、最小值、求和、平均值等。
3. describe() 快速概览
一键生成描述性统计信息，包含计数、均值、标准差、分位数等。
4. apply() 批量处理
适用于自定义复杂逻辑，对每个元素或每列应用函数。
四、DataFrame：二维表格结构
DataFrame 是 Pandas 的核心，类似 Excel 表或 SQL 表，支持行列混合数据类型。
1. 创建与属性
创建时需确保行标签与列名对应。标签会自动排序，但建议手动管理以保持清晰。
查看行索引与列名：
2. 数据查看与转置
使用 head() 预览前几行（默认 5 行），适合大数据量场景。
行列转置使用 .T：
3. 切片与提取
- 提取列：单列用
[]，多列用[[]]。 - 提取行：推荐用
loc(标签) 或iloc(位置)。 - 切片：注意左闭右开原则，如
[1:4]包含 1, 2, 3。
4. 删除数据 drop
drop 用于删除行或列，通过 axis 参数指定方向（0 为行，1 为列）。
删除行示例：
删除列示例：
5. 数据合并与赋值
两个 DataFrame 相加时，标签必须一一对应，否则会产生 NaN。运算不会原地修改原数据，需重新赋值。
五、综合案例
1. 计算平均值
mean(axis=1) 表示沿列方向聚合，即计算每一行的平均值。理解 axis 的关键：被压缩的方向。
2. 筛选第二大值
结合 loc 切片、lambda 匿名函数及 numpy.sort 实现复杂筛选。
# 选取部分列，按行应用 lambda 函数
result = df.loc[:, "考试 1":"考试 3"].apply(
lambda x: np.sort(x)[-2]
)
掌握这些基础操作，基本覆盖了日常数据处理 80% 的场景。后续可根据实际需求深入学习分组聚合、透视表等高级功能。