第01章 接诊建档：数据结构与读写

第01章 接诊建档：数据结构与读写

章节摘要：本章跟着一位"病人"——一份凌乱的销售明细表——走进体检中心的前台。接诊建档要做三件事：认清档案袋长什么样（Series与DataFrame）、给每条记录挂上号（Index）、把纸质档案录入系统并打印体检报告（读写）。建档是后续一切检查的地基，索引没挂对，后面每个科室都要返工。

一条主线

我们的主线病人叫"月度销售明细"：六行三列的小表，却集中了脏数据的典型症状——金额列混着字符串、日期格式不统一、有一行完全重复。本章先不治病，只负责把它的三份基础档案建清楚：一维的Series像化验单上的单指标，二维的DataFrame像整本病历，Index像挂号条上的编号。三份档案建好了，第二到第四章的各科室才能按"编号"精准叫号。

沿途站点

1-1 建第一份档案：Series与DataFrame

从一条化验指标出发认识Series，再把多条指标订成册理解DataFrame的列式结构。这是全书的地基，后面每一节都在DataFrame上进药。

1-2 挂号系统：Index索引

Index是Pandas里最容易被轻视、又最容易引发隐式bug的部件。这一节把索引当作挂号条来讲：它决定对齐、决定查找、也决定.loc时的叫号规则。

1-3 多源数据的接诊登记：读取

现实中数据不会恰好是CSV。Excel多表、数据库、编码错乱、分隔符怪异，这一节把登记窗口的常见状况逐一过一遍。

1-4 体检报告的输出与归档

检查做完要出报告：写CSV还是写Excel、索引要不要带、中文乱码怎么防，都是归档环节的实际问题。

拐点与结论

本章的认知拐点在1-2：很多初学者把Index当成"可有可无的行号"，直到发现两个DataFrame相加时是按索引而非位置对齐，才意识到挂号条才是Pandas对齐机制的身份证。读完本章，你应当能够：

• 说出Series与DataFrame各自的构造要素，并能用字典与列表手工构造二者
• 解释Index在数据对齐、查找、切片中的角色，区分位置与标签两套坐标
• 用read_csv与read_excel读入带中文、带多表、带怪分隔符的真实文件
• 把清洗中的DataFrame按需导出为CSV或Excel，且不丢中文、不多带索引列
• 在读入时就用参数完成首跳体检（指定类型、跳过说明行、解析日期）

前置与延伸

本章只需要Python基础语法。延伸方向：列式存储格式（parquet）的读写会在1-4顺带提到；Index的进阶话题（分类索引、区间索引）在时间序列章回归。建议每节配套的微缩数据亲手敲一遍再跑，本章的代码量是全册最少的，但每个概念都被后面七章反复引用，投入产出比最高。

下一章的接力

档案建好、挂号条挂上之后，护士台要做的是分诊：三千条记录里哪些要进哪个科室。第02章的分诊筛查（loc、iloc、布尔索引）就是干这个的，它完全建立在1-2建立的"标签与位置两套坐标"之上。

本章考核知识点清单

读完本章，以下知识点应当能够独立复述与操作：构造并解构Series与DataFrame的三要素；用dtypes识别object血型背后的类型传染；解释loc与iloc的端点规则差异；说明索引对齐时NaN的产生机制；用set_index与reset_index完成升降格；读取时处理编码、分隔符、跳行三类故障；用dtype与parse_dates预定血型；写文件时决策index去留与编码口径。任何一条答不上来，回到对应小节把代码再跑一遍——建档阶段的含糊会被后面每个科室放大。