一起学Python第93天:Pandas核心数据结构

import pandas as pd# 1. 从列表创建（默认生成 0,1,2... 索引）data_list = [1, 2, 3, 4, 5]s1 = pd.Series(data_list)# 2. 从字典创建（字典的键自动成为索引）data_dict = {'a': 1, 'b': 2, 'c': 3}s2 = pd.Series(data_dict)# 3. 自定义索引s3 = pd.Series(data_list, index=['one', 'two', 'three', 'four', 'five'])

# 按位置访问print(s1[0])               # 输出: 1# 按标签访问print(s2['b'])             # 输出: 2# 切片访问print(s1[:2])              # 输出前两个# 按索引列表访问print(s3[['one', 'three']]) # 输出指定标签的值

len(s1)      # 长度s1.index     # 索引对象s1.values    # 底层值数组s1.max()     # 最大值s1.min()     # 最小值s1.sum()     # 求和s1.mean()    # 均值

import numpy as np# 1. 从字典创建（最推荐，键名自动作列名）df1 = pd.DataFrame({    'Name': ['Alice', 'Bob', 'Charlie'],    'Age': [25, 30, 35],    'City': ['New York', 'Los Angeles', 'Chicago']})# 2. 从二维数组创建（需手动指定列名）arr = np.array([[1, 'Alice', 25], [2, 'Bob', 30], [3, 'Charlie', 35]])df2 = pd.DataFrame(arr, columns=['ID', 'Name', 'Age'])

# iloc：纯整数位置访问（行号, 列号）print(df1.iloc[0, 1])   # 第1行第2列 → Alice# loc：标签索引访问（行标签, 列名）print(df1.loc[1, 'Name']) # 索引为1的行，Name列 → Bob# 获取整行 / 整列print(df1.iloc[1])      # 第2行整行print(df1['City'])      # 'City' 整列

df1.shape        # 形状 (行数, 列数) → (3, 3)df1.columns      # 列名df1.index        # 行索引df1.describe()   # 数值列描述性统计（计数/均值/标准差/最值等）df1.head()       # 预览前5行df1.tail()       # 预览后5行

df_csv = pd.read_csv('data.csv')       # 读取 CSVdf_excel = pd.read_excel('data.xlsx')  # 读取 Exceldf_json = pd.read_json('data.json')    # 读取 JSON

import pandas as pdimport numpy as np# 1. 创建与访问 Seriess = pd.Series([1, 2, 3, 4, 5])print("Series最大值:", s.max())# 2. 创建与访问 DataFramedf = pd.DataFrame({    'Name': ['Alice', 'Bob', 'Charlie'],    'Age': [25, 30, 35],    'City': ['New York', 'Los Angeles', 'Chicago']})print("\n第一行数据:\n", df.iloc[0])print("DataFrame形状:", df.shape)# 3. 描述性统计print("\n数值列统计:\n", df.describe())