团子和蛋糕的笔记

Appearance

Pandas 是什么 ​

Pandas 是一个功能强大的结构化数据分析工具集，底层基于 Numpy 构建，在数据分析和大数据开发场景中都有显著优势。

官网：https://pandas.pydata.org

安装（注意是 pip，不是 npm）：

bash
pip install pandas

WARNING

课程 PPT 上写的 npm install pandas 是笔误——npm 是 Node.js 的包管理器，Python 用 pip。

两个核心数据结构 ​

结构是什么类比
DataFrame表格型的数据结构，有行有列一张 Excel 表格
Series一列数据DataFrame 中的单独一列

概念对应关系：index（索引，行号或行标签）、column（列名）、row（一行）。

初体验：统计各科成绩 ​

需求：基于 Pandas 统计班级学员各科成绩的最高分、最低分、平均分。

python
import pandas as pd

# 构造 DataFrame —— 创建数据集(学员成绩信息)
df = pd.DataFrame([
    {"姓名": "小王", "语文": 90, "数学": 80, "英语": 70},
    {"姓名": "小李", "语文": 80, "数学": 90, "英语": 80},
    {"姓名": "小张", "语文": 70, "数学": 80, "英语": 90},
])

# 统计计算
print(f"语文最高分: {df['语文'].max()}, 最低分: {df['语文'].min()}, 平均分: {df['语文'].mean():.2f}")
print(f"数学最高分: {df['数学'].max()}, 最低分: {df['数学'].min()}, 平均分: {df['数学'].mean():.2f}")
print(f"英语最高分: {df['英语'].max()}, 最低分: {df['英语'].min()}, 平均分: {df['英语'].mean():.2f}")

:.2f 表示保留两位小数。取出一列后，max() / min() / mean() 这些统计方法直接就能用。

DataFrame 的四种构建方式 ​

python
import pandas as pd

# 1. 列表套字典：每个字典是一行
df1 = pd.DataFrame([
    {'姓名': '王林', '语文': 80, '英语': 90, '数学': 88},
    {'姓名': '李慕婉', '语文': 92, '英语': 81, '数学': 93},
])

# 2. 字典套列表：键是列名，值是该列的数据
df2 = pd.DataFrame({
    '姓名': ['王林', '李慕婉'],
    '语文': [80, 92],
    '英语': [90, 81],
    '数学': [88, 93],
})

# 3. 列表套元组 + columns 指定列名
df3 = pd.DataFrame([
    ('王林', 80, 90, 88),
    ('李慕婉', 92, 81, 93),
], columns=['姓名', '语文', '英语', '数学'])

# 4. 在 3 的基础上再指定自定义行索引
df4 = pd.DataFrame([
    ('王林', 80, 90, 88),
    ('李慕婉', 92, 81, 93),
], columns=['姓名', '语文', '英语', '数学'], index=['a', 'b'])

DataFrame 常见属性 ​

属性作用
df.index获取行索引
df.columns获取列名（DataFrame 特有）
df.values获取值（二维数组）
df.size获取单元格的数量
df.dtypes获取每一列的数据类型
df.shape获取数据维度（行, 列）

Series 的构建与属性 ​

python
import pandas as pd

s1 = pd.Series([10, 20, 30, 40, 50])                              # 列表
s2 = pd.Series((10, 20, 30, 40, 50), index=['a', 'b', 'c', 'd', 'e'])  # 元组 + 自定义索引
s3 = pd.Series({'a': 10, 'b': 20, 'c': 30})                       # 字典
s4 = df1['语文']                                                  # 从 DataFrame 里取一列
属性作用
s.index获取索引
s.values获取值
s.dtype获取数据类型（Series 是单数 dtype）
s.size获取数据个数
s.shape获取数据维度（行,）——只有一个维度

TIP

记法：DataFrame 有 columns、类型是 dtypes（复数）；Series 没有 columns、类型是 dtype（单数）。

相关 ​

练习题 ​

一、知识回顾（读完直接做下面的实践题） ​

  1. Pandas 是结构化数据分析工具集，底层基于 Numpy 构建
  2. 两个核心结构：DataFrame 像一张 Excel 表格；Series 像表格中的一列
  3. 安装命令：pip install pandas
  4. DataFrame 取列名用 df.columns、取维度用 df.shape、取单元格数量用 df.size、取每列类型用 df.dtypes
  5. Series 取数据类型用 s.dtype（单数），DataFrame 用 df.dtypes（复数）
  6. df['语文'].mean() 求平均分；max() 求最大值、min() 求最小值
  7. 构造 DataFrame 时用参数 columns 指定列名，用参数 index 指定行索引

二、裸写题 ​

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：列名当字典的键，每列的数据当值 二级 · 方法：pd.DataFrame({...})三级 · 骨架：df = pd.DataFrame({"姓名": [...], "语文": [...], "数学": [...]})

    - 参考答案（做完再点开）

    python
    # 2-1
import pandas as pd

df = pd.DataFrame({
    "姓名": ["小王", "小李", "小张"],
    "语文": [90, 80, 70],
    "数学": [80, 90, 80],
})
print(df.shape)      # (3, 3)
print(df.columns.tolist())  # ['姓名', '语文', '数学']

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：六个属性各一行 二级 · 方法：index / columns / values / size / dtypes / shape三级 · 骨架：print(df.index.tolist())（转成列表看得更清楚）

    - 参考答案（做完再点开）

    python
    # 2-2
print(df.index.tolist())    # [0, 1, 2]
print(df.columns.tolist())
print(df.values.tolist())
print(df.size)              # 9
print(df.dtypes)
print(df.shape)             # (3, 3)

  • - 提示（先自己想，实在想不出再点开）

    一级 · 思路：先取列，再用统计方法 二级 · 方法：df['语文'].max() / .min() / .mean()三级 · 骨架：f"{df['语文'].mean():.____}" 保留两位小数

    - 参考答案（做完再点开）

    python
    # 2-3
print(f"最高分: {df['语文'].max()}, 最低分: {df['语文'].min()}, 平均分: {df['语文'].mean():.2f}")