3.1 Series 与 DataFrame 数据结构

3.1 Series 与 DataFrame 数据结构

本节摘要：Series 是带标签的一维数组，DataFrame 是由多个 Series 组成的二维表格——Pandas 的一切操作都建立在这两个结构上。本节讲清它们的组织方式、索引（index）的核心作用，以及最常用的创建与属性操作。

本节导航

阅读完本节，你应当能够：

1. 说清 Series 与 DataFrame 的区别和联系
2. 从列表、字典、NumPy 数组创建 Series 与 DataFrame
3. 理解 index 与 columns 的作用，会用它们定位数据
4. 使用 shape、dtypes、values 等常用属性
5. 判断何时该用 Series、何时该用 DataFrame

一、问题与直觉

上一章的 NumPy 数组很强大，但它有个短板：没有名字。数组里的第 3 个元素到底是"北京店的销售额"还是"上海店的销售额"，NumPy 不知道。真实数据几乎都带着语义——列名、行名、日期标签。Pandas 就是给 NumPy 数组"贴上标签"的库：一维带标签的叫 Series，二维带标签的叫 DataFrame。

这就好比 NumPy 是仓库里码好的货物，Pandas 是给每件货贴上名称和编号的货架系统。有了标签，你才能说"取北京店的数据"而不是"取第 3 行的数据"。

二、核心原理

2.1 Series：一维带标签数组

先看两个结构的关系，再逐个展开：

索引是 Series 的灵魂——有了它，s2["上海"] 就能直接取出 15，而不是靠位置猜。

2.2 DataFrame：二维带标签表格

DataFrame 可以看作"多个 Series 并排拼成的表"：每一列是一个 Series，所有列共享同一个行索引；每一行是一条记录。它同时有行索引（index）和列名（columns）两套标签。

# 从字典创建，键是列名
df = pd.DataFrame({
    "门店": ["北京", "上海", "广州"],
    "销售额": [12, 15, 9],
    "客单价": [299, 355, 410],
})
​

2.3 两种数据结构的关系

df["销售额"] 取出一列，返回的正是 Series。反过来，把多个 Series 用字典装起来就能拼成 DataFrame。这个"列即 Series"的关系是理解 Pandas 一切操作的钥匙。

三、工程实践要点

3.1 常用属性速查

df.shape          # 行数、列数，如 (3, 3)
df.index          # 行索引
df.columns        # 列名
df.dtypes         # 每列的类型
df.values         # 转成 NumPy 数组
df.head()         # 前 5 行
df.info()         # 类型 + 非空计数
df.describe()     # 数值列统计摘要
​

3.2 创建 DataFrame 的几种姿势

# 方式一：字典（键为列名，值为列表）
df1 = pd.DataFrame({"a": [1, 2], "b": [3, 4]})

# 方式二：列表套字典（每行一个字典）
df2 = pd.DataFrame([{"a": 1, "b": 3}, {"a": 2, "b": 4}])

# 方式三：从 NumPy 数组 + 指定列名
import numpy as np
df3 = pd.DataFrame(np.random.rand(3, 2), columns=["x", "y"])

# 方式四：指定行索引
df4 = pd.DataFrame(data, index=["一月", "二月", "三月"])
​

3.3 选择 Series 还是 DataFrame

💡 关键直觉：看到"一维数据 + 标签"就想到 Series，看到"表格"就想到 DataFrame。转换也很简单：df["列名"] 得 Series，s.to_frame() 回 DataFrame。

3.4 贯穿案例：创建门店订单 DataFrame

import pandas as pd

df_orders = pd.DataFrame({
    "订单号": ["A001", "A002", "A003", "A004"],
    "门店": ["北京", "上海", "北京", "广州"],
    "金额": [199, 355, 89, 1299],
    "日期": ["2026-01-01", "2026-01-01", "2026-01-02", "2026-01-02"],
})
print(df_orders)
print("表格形状:", df_orders.shape)
print("金额列均值:", df_orders["金额"].mean())
​

这张表就是贯穿全书案例的雏形，下一节我们学怎么把它加载得更真实、筛选得更灵活。

3.5 索引的进阶操作

索引不只是"标签"，还承担着定位与对齐的职责：

df = pd.DataFrame({"金额": [199, 355, 89]}, index=["A001", "A002", "A003"])

df.index                  # 查看索引
df.reset_index()          # 索引变回普通列
df.set_index("订单号")     # 指定列变索引
df.sort_index()           # 按索引排序
df.loc["A001"]            # 按索引取行
​

💡 关键直觉：set_index 与 reset_index 是一对互逆操作。分组聚合后索引通常是分组键，用 reset_index() 把它还原成普通列，是"分组结果继续参与运算"的必备动作，第 3.4 节还会见到。

3.6 Series 的算术与对齐

Series 之间运算时，按索引对齐而不是按位置：

s1 = pd.Series({"北京": 12, "上海": 15})
s2 = pd.Series({"上海": 10, "北京": 8})

print(s1 + s2)   # 北京 20，上海 25——按标签对齐相加
​

这个特性让"两个来源的数据按名称合并"变得自然：不需要关心顺序，标签相同就自动对上。对齐不到的标签结果是 NaN，这也是合并后常见缺失的来源。

3.7 常用属性与转换速查

to_numpy() 是 Pandas 与 NumPy 互通的桥——把 DataFrame 交给算法库时，通常要先转成数组。

⚠️ 常见坑：df["列名"] 取单列返回的是 Series 而不是 DataFrame——它没有 columns 属性，df["列名"].columns 会报错。需要保持表结构时用双括号 df[["列名"]]。这个差别在链式操作里最容易踩。

一节小结

• 要点一：Series 是一维带标签数组，索引是它的灵魂，按标签取值而非按位置猜
• 要点二：DataFrame 是二维表，行有 index、列有 columns，每列本质是一个 Series
• 要点三：df[列名] 返回 Series，s.to_frame() 变回 DataFrame，两者随时互转
• 要点四：创建四姿势——字典、列表套字典、NumPy 数组、指定 index
• 要点五：探查四件套——head、info、describe、shape，拿到表先跑一遍
• 要点六：df.values 转 NumPy 数组，是 Pandas 与 NumPy 的桥

结构认识了，接下来让数据真正"进来"——下一节讲数据加载与索引筛选，掌握 loc、iloc 和布尔索引三种取数姿势。

​