2.4　Pandas的数据结构

Pandas提供Series和DataFrame作为数组数据的存储框架，数据进入这两种框架后，我们就可以利用它们提供的强大处理方法进行处理。表2-1是它们的区别，后面将一一详述。

表2-1　Series和DataFrame的特点

需要注意的是，Pandas之前支持的三维面板（Panel）结构现已不再支持，可以使用多层索引形式来实现。

2.4.1　Series

Series（系列、数列、序列）是一个带有标签的一维数组，这一系列连续的数据代表了一定的业务意义。如以下各国2019年的GDP就是一个典型的Series。

中国  14.34
美国  21.43
日本  5.08
dtype: float64

其中，国家是标签（也称索引），不是具体的数据，它起到解释、定位数据的作用。如果没有标签，只有一个数字，是不具有业务意义的。Series是Pandas最基础的数据结构。

2.4.2　DataFrame

DataFrame意为数据框，它就像一个存放数据的架子，有多行多列，每个数据在一个格子里，每个格子有自己的编号。就像一个球场的座位（见图2-3），我们在横向编成1排、2排、3排等，在纵向编成1号、2号、3号等，那么4排18号、6排1号等就是具体的位置，每个人落座后就像一个具体的数据。

图2-3　球场的座椅

DataFrame是Pandas定义的一个二维数据结构，其结构如图2-4所示。

图2-4　DataFrame结构

我们来分析一下它的结构：

• 横向的称作行（row），我们所说的一条数据就是指其中的一行；
• 纵向的称作列（column）或者字段，是一条数据的某个值；
• 第一行是表头，或者叫字段名，类似于Python字典里的键，代表数据的属性；
• 第一列是索引，就是这行数据所描述的主体，也是这条数据的关键；
• 在一些场景下，表头和索引也称为列索引和行索引；
• 行索引和列索引可能会出现多层索引的情况（后面会遇到）。

我们给上例国家GDP Series数据中增加一列“人口”，形成一个DataFrame：

       人口    GDP
中国  13.97  14.34
美国   3.28  21.43
日本   1.26   5.08

这就是一个典型的DataFrame结构，其中：

• 共有三行两列（不包含索引）数据；
• 国家所在列是这个表的索引，每一行数据的主体为这个国家；
• 每条数据（横向）有两个值，分别是人口和GDP。

2.4.3　索引

在后续的内容中，在不同场景下可能会对索引使用以下名称。

• 索引（index）：行和列上的标签，标识二维数据坐标的行索引和列索引，默认情况下，指的是每一行的索引。如果是Series，那只能是它行上的索引。列索引又被称为字段名、表头。
• 自然索引、数字索引：行和列的0～n（n为数据长度–1）形式的索引，数据天然具有的索引形式。虽然可以指定为其他名称，但在有些方法中依然可以使用。
• 标签（label）：行索引和列索引，如果是Series，那只能是它行上的索引。
• 轴（axis）：仅用在DataFrame结构中，代表数据的方向，如行和列，用0代表列（默认），1代表行。

以上概念比较依赖语境，需要灵活理解和掌握。

2.4.4　小结

我们在处理数据时需要将数据录入Excel表格，同样，Pandas也为我们提供了存放数据的容器。Series和DataFrame是Pandas的两个基本的数据结构，其中DataFrame由多个同索引的Series组成，我们今后处理数据都会用到它们。