Python数据分析 pandas中Series与DataFrame的常用属性及方法完整教程

一、Series——pandas 核心数据结构

先从 pandas 中最基础的 Series 说起，它是整个库的基石，很多操作思路与 DataFrame 是相通的，掌握 Series 对后续学习至关重要。

1. 常用属性

下面列出几个你日常一定会用到的属性，建议先熟悉它们：

2. 创建方式

创建 Series 有多种常用方法，最常用的包括以下几种：

1. 通过 NumPy 数组创建

arr = np.array([1,2,3,4,5])
s1 = pd.Series(arr)

2. 直接传入列表

s = pd.Series([1,2,3,4,5])

3. 指定自定义索引

s3 = pd.Series([1,2,3,4,5], index=['a','b','c','d','e'])

4. 通过元组传入

s4 = pd.Series((1,3,5),index=['a','b','c'])

5. 通过字典传入

s5 = pd.Series({'a':1,'b':2,'c':3})

3. 常用方法

这些方法几乎每天都会用到，特别是 head() / tail() 和 value_counts()：

二、DataFrame——表格数据处理核心

DataFrame 是 pandas 的“主将”，表格数据基本都靠它操作。下面列出最常用的属性和方法：

1. 常用属性

2. 常用方法

三、修改 Series 和 DataFrame 的方法

数据不是一成不变的，学会增删改是基本功。下面分两部分讲解。

1. 修改 Series

根据索引直接赋值

s = pd.Series([1,2,3], index=['a','b','c'])
s['b'] = 10  # 修改单个值
s[['a','c']] = [20, 30]  # 修改多个值

添加元素

s['d'] = 40  # 添加单个元素
s = s.append(pd.Series([50], index=['e']))  # 添加多个元素（注意：append 在新版本中已过时）

删除元素

s = s.drop('e')  # 删除指定索引的元素

2. 修改 DataFrame

添加列

s = s.drop('e')  # 删除指定索引的元素

修改列名

df.rename(columns={'old_name': 'new_name'}, inplace=True)
df.columns = ['col1', 'col2', 'col3']  # 批量修改

修改值

df.loc[0, 'col1'] = 100  # 通过标签修改
df.iloc[1, 2] = 200  # 通过位置修改

添加行

new_row = pd.DataFrame([[1,2,3]], columns=df.columns)
df = pd.concat([df, new_row], ignore_index=True)  # 使用 concat 添加行

删除行列

df.drop(columns=['col1'], inplace=True)  # 删除列
df.drop(index=[0,1], inplace=True)  # 删除行

四、数据导入与导出

与外部文件打交道是日常工作中最常见的场景，pandas 为数据读写提供了非常全面的支持。

1. 导入数据

从 CSV 文件导入

df = pd.read_csv('file.csv')  # 基本用法
df = pd.read_csv('file.csv', sep=';', header=0, index_col=0)  # 自定义分隔符、表头、索引列

从 Excel 文件导入

df = pd.read_excel('file.xlsx')  # 读取第一个工作表
df = pd.read_excel('file.xlsx', sheet_name='Sheet2')  # 指定工作表

从数据库导入

import sqlite3
conn = sqlite3.connect('database.db')
df = pd.read_sql_query('SELECT * FROM table', conn)

从 JSON 导入

df = pd.read_json('file.json')

2. 导出数据

导出为 CSV

df.to_csv('output.csv', index=False)  # index=False 表示不导出索引

导出为 Excel

df.to_excel('output.xlsx', sheet_name='Data', index=False)

导出为 JSON

df.to_json('output.json', orient='records')

导出到数据库

df.to_sql('table_name', conn, if_exists='replace', index=False)

五、实用扩展技巧

最后补充几个实战中经常遇到的细节，帮助你更高效地使用 pandas。

1. inplace 参数：很多修改方法（如 drop()、fillna()）都包含这个参数，设为 True 时直接修改原对象，不返回新对象；默认 False，返回修改后的副本。建议新手先用默认值，避免不小心误改原始数据。

2. 链式操作：pandas 支持链式调用，写起来非常简洁：

df = pd.read_csv('data.csv').dropna().rename(columns=str.lower).sort_values('date')

3. 数据类型转换：使用 astype() 时要注意兼容性，例如字符串不能直接转为整数。可以先尝试 pd.to_numeric()：

df['col'] = pd.to_numeric(df['col'], errors='coerce')  # 无法转换的值变为 NaN

4. 大型数据集处理：读取大文件时使用 chunksize 分块读取，避免内存溢出：

for chunk in pd.read_csv('large_file.csv', chunksize=1000):
    process(chunk)

5. 缺失值处理：除了 fillna() 和 dropna()，interpolate() 插值法在时间序列数据中特别实用。

6. 迭代效率：尽量避免用 for 循环遍历 DataFrame，优先使用 apply()、map() 等向量化操作；如果必须逐行遍历，用 itertuples() 会比 iterrows() 快很多。