数据结构-DataFrame

Pandas 二维核心容器：DataFrame 数据结构与表格模型精讲

小象实战讲义 · Python数据分析实战

如果说 Series 对应的是单列特征或一维向量，那么 DataFrame 就是数据科学与商业分析领域最为核心的二维表格型数据结构。DataFrame 同时拥有行索引（index / Axis 0）和列索引（columns / Axis 1），可以将其直观视为由多个共用相同行索引的 Series 组成的结构化矩形容器。在日常业务场景中，无论是 CSV 报表、SQL 数据库表、Excel 工作簿还是 Web API 返回的 JSON 嵌套数据，加载到 Pandas 中都表现为标准的 DataFrame 对象。本节我们将系统讲解 DataFrame 的二维内存模型、多样化构造方式以及数据概览与诊断函数。

💡 核心导读

• DataFrame 的二维双轴表格模型：行索引（Row Index / Axis 0）与列索引（Column Index / Axis 1）双轴立体定位。
• 四大核心构建范式：
  • 基于由列表构成的字典（Dict of Lists，最常见的数据导入形式）；
  • 基于由 Series 构成的字典（Dict of Series，自动按行索引对齐）；
  • 基于二维 NumPy ndarray 矩阵（高效连续内存构建）；
  • 基于嵌套字典（Nested Dict，外层 Key 为列名，内层 Key 为行索引）。
• 高频表格结构探查与诊断 API：head()、tail()、info()、describe()、shape 与 dtypes。

1. DataFrame 的二维结构与双轴坐标系

DataFrame 的坐标系由行轴（Axis 0）与列轴（Axis 1）共同构成：

┌─────────────────────────────────────────────────────────────┐
│                    Pandas DataFrame 双轴模型                │
├──────────────┬──────────────────────────────────────────────┤
│              │             Columns (Axis 1 列轴)            │
│  Index       ├──────────────┬───────────────┬───────────────┤
│ (Axis 0 行轴)│ 'City'       │ 'Population'  │ 'GDP_Billion' │
├──────────────┼──────────────┼───────────────┼───────────────┤
│ 0            │ 'Beijing'    │ 2154.2        │ 43760         │
│ 1            │ 'Shanghai'   │ 2487.1        │ 47218         │
│ 2            │ 'Guangzhou'  │ 1867.7        │ 30355         │
│ 3            │ 'Shenzhen'   │ 1756.0        │ 34606         │
└──────────────┴──────────────┴───────────────┴───────────────┘

• 每一列都是一个独立的 Series：一列内部的数据类型必须同质，但不同列之间的数据类型可以各不相同（如一列是字符串、一列是浮点数、一列是布尔值）；
• 行与列均具备具名标签：支持灵活的多维行列切片与投影。

# 示例 1：DataFrame 的多种构造范式实战

import pandas as pd
import numpy as np

# 1. 从列表构成的字典构建 DataFrame (最常用方式)
order_dict = {
    "order_id": ["ORD_001", "ORD_002", "ORD_003", "ORD_004", "ORD_005"],
    "customer": ["Alice", "Bob", "Charlie", "David", "Eva"],
    "category": ["电子产品", "日用百货", "日用百货", "服装鞋帽", "电子产品"],
    "amount": [2999.0, 158.5, 89.0, 450.0, 5699.0],
    "is_vip": [True, False, False, True, True]
}

df_orders = pd.DataFrame(order_dict)
print("=== 1. 从列表字典创建订单 DataFrame ===")
print(df_orders)

# 2. 从二维 NumPy 数组创建并指定行和列标签
matrix_data = np.random.randint(50, 100, size=(4, 3))
df_scores = pd.DataFrame(
    matrix_data,
    index=["张三", "李四", "王五", "赵六"],
    columns=["语文", "数学", "英语"]
)
print("\n=== 2. 从二维 ndarray 创建成绩 DataFrame ===")
print(df_scores)

# 3. 从嵌套字典构建 (外层 Key 自动转为列名，内层 Key 自动转为行索引)
store_data = {
    "店面A": {"咖啡": 150, "奶茶": 200, "果汁": 80},
    "店面B": {"咖啡": 180, "奶茶": 220, "蛋糕": 95}
}
df_stores = pd.DataFrame(store_data)
print("\n=== 3. 从嵌套字典构建 (缺失值自动填充 NaN) ===")
print(df_stores)

2. DataFrame 快速诊断与元数据探查

拿到一份陌生数据集时，首先需要对其形状、列名、缺失情况以及内存占用进行初步诊断。Pandas 提供了 head()、tail()、info() 与 dtypes 等高效工具。通过这些诊断函数，我们可以快速识别是否存在异常的缺失值或数据类型不匹配的问题。

# 示例 2：DataFrame 结构快速探查与诊断方法

# 1. 查看前几行与后几行
print("=== 4. 表格快速预览 ===")
print("• 查看前 3 行 (head):\n", df_orders.head(3))
print("• 查看后 2 行 (tail):\n", df_orders.tail(2))

# 2. 检查形状与维度
print("\n=== 5. 形状与列属性 ===")
print("• 表格形状 (行数, 列数):", df_orders.shape)
print("• 列索引名称清单:", df_orders.columns.tolist())
print("• 行索引对象:", df_orders.index)
print("• 各列数据类型 (dtypes):\n", df_orders.dtypes)

# 3. 查看表格整体元数据与非空计数 (info)
print("\n=== 6. 表格元数据与内存信息 (info) ===")
df_orders.info()

📝 动手练一练

1. 概念思考题：在 DataFrame 中，如果使用 df[‘amount’] 提取某一列，返回的数据结构是什么？如果使用 df[[‘amount’]] 提取，返回的又是什么？

   👉 点击查看参考答案

   参考答案：

   • df['amount']（传入单个字符串）：返回的是一维的 Series 对象；
   • df[['amount']]（传入包含列名的列表）：返回的是一个只包含该单列的二维 DataFrame 对象。

2. 编程练习：请编写代码构建一个包含 3 名员工的 ‘employee_id’、‘name’、‘department’ 与 ‘salary’ 字段的 DataFrame，并将 ‘employee_id’ 设为行索引。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   
   emp_data = {
       'name': ['张伟', '王芳', '李明'],
       'department': ['技术部', '市场部', '财务部'],
       'salary': [18000, 15000, 16500]
   }
   emp_ids = ['EMP_101', 'EMP_102', 'EMP_103']
   
   df_emp = pd.DataFrame(emp_data, index=emp_ids)
   df_emp.index.name = 'employee_id'
   print(df_emp)

本章小结

• 深刻理解了 DataFrame 的二维行轴与列轴双坐标系模型；
• 掌握了从字典、Series 集合与 NumPy 二维矩阵构建 DataFrame 的多样化方法；
• 熟练运用 head、tail、shape、dtypes 与 info 对数据集进行初步诊断。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《数据结构：Index 索引对象的特性与集合操作》！

—— 小象教研组