pandas中Series与DataFrame的常用属性及方法

一：Series

1.常用属性

loc	根据行索引获取某行数据，这个是属于：DF的对象
iloc	根据行号获取某行数据，这个是属于：DF的对象
dtype	获取series的元素类型
T	转置
shape	获取series的维度
size	获取series的元素个数
values	获取series的元素值
index	获取series的索引，功能类似于keys()
name	获取series的名称

2.创造方式

1.通过对象来创建

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

2.直接传入

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

3.index索引传入

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

4.元组形式传入

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

5.字典形式传入

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

3.常用方法

head(n)/tail(n)	获取前 n 行 / 后 n 行数据（默认 5 行）
unique()	返回唯一值数组
nunique()	返回唯一值的数量
value_counts()	计算值的出现频率
isnull()/notnull()	检测缺失值
fillna(value)	填充缺失值
dropna()	删除缺失值
astype(dtype)	转换数据类型
apply(func)	对每个元素应用函数
sort_values()/sort_index()	按值 / 索引排序

二：DataFrame

1.常用属性

values	返回 DataFrame 的底层数据（二维 NumPy 数组）
columns	返回列标签
index	返回行索引
dtypes	返回各列的数据类型
shape	返回 DataFrame 的形状（行数，列数）
size	返回元素总数（行数 × 列数）
T	返回转置后的 DataFrame

2.常用方法

head(n)/tail(n)	查看前 n 行 / 后 n 行
info()	查看数据基本信息（包括非空值数量、数据类型等）
describe()	生成描述性统计数据（计数、均值、标准差等）
drop(columns,axis = 1)	删除指定列
drop(index,axis = 0)	删除指定行
fillna(value)	填充缺失值
dropna()	删除缺失值
groupby(by)	按指定列分组
merge(other)	与另一个 DataFrame 合并
pivot_table()	创建透视表
sort_values(by)	按指定列排序
sort_index()	按索引排序
apply(func,axis)	沿指定轴应用函数
applymap(func)	对每个元素应用函数（已过时，推荐用map或apply）
corr()	计算列间相关系数

三：更改Series和DataFrame的方法

1.更改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.更改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：导入导出数据

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：扩展

1.inplace参数：许多修改方法都有inplace参数，设为True时直接修改原对象，不返回新对象；默认False，返回修改后的新对象。

2.链式操作：Pandas 支持链式操作，提高代码简洁性：

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

3.数据类型转换：使用astype()时要注意数据兼容性，如字符串不能直接转为整数。可先用pd.to_numeric()处理：

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

4.处理大型数据集：导入大型 CSV 时，可使用chunksize参数分块处理：

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

5.缺失值处理策略：除了fillna()和dropna()，还可使用interpolate()进行插值填充，适合时间序列数据。

6.高效迭代：应避免使用for循环迭代 DataFrame，优先使用apply()、map()等向量化操作，或使用itertuples()/iterrows()提高迭代效率。