Pandas图鉴(三)：DataFrames

摘要

Pandas介绍：Pandas是Python分析数据的核心工具，它基于NumPy库，提供了便捷的数据加载、过滤、重组与可视化功能。Pandas的主要优势在于支持异质类型和提供高效的索引功能，这使得Pandas能与Excel和数据库竞争。

Polars简介：Polars是Pandas的一个新版本，使用Rust语言编写，提供了更快的速度，尽管没有使用NumPy引擎，但保持了类似的语法，便于Pandas用户迁移。

Pandas 图鉴系列

该系列包含四个部分，分别介绍Pandas与Numpy的比较、Series和Index、DataFrames和MultiIndex。文章建议订阅@数据STUDIO公众号获取更多内容。

DataFrames概述

Pandas的DataFrame是其主要数据结构，类似二维数组，并为行列提供了标签。DataFrame的创建可以通过读取CSV文件，其中pd.read_csv()函数功能强大，能自动检测列名、数据类型等信息。DataFrame还支持将列设置为索引，优化查询速度和内存使用，但语法可能更复杂。

创建DataFrame

可以直接从内存中的数据构建DataFrame，无论是通过列表、字典还是NumPy数组。提供的数据可以自动转换为合适的格式，但从二维NumPy数组创建时，默认为视图，意味着原始数据的改变会影响DataFrame。还可以从字典列表或Series字典创建DataFrame，这在添加流数据时特别有用。

基本操作

DataFrame允许轻松访问列，并对这些列执行操作。例如，可以创建新列或对不同DataFrame的列进行计算。索引DataFrame时，使用loc和iloc进行标签或位置索引，但要留意赋值操作可能只影响副本而非原始DataFrame。

索引DataFrames

标准的方括号索引有限，Pandas提供loc和iloc进行高级索引。当需要改变原始DataFrame时，应使用正确的语法来避免只修改副本。Pandas也支持NumPy风格的布尔索引，对单个值的操作需要注意可能返回的是Series而不是标量。

查询

字符串基于的查询是另一种索引方式，可以简化复杂条件的查询。