Pandas Series 和 DataFrame 简要介绍

要在 Python 环境中有效管理和组织数据，特别是处理来自 CSV 文件或数据库等外部来源的数据时，Pandas 库提供了必要的工具。Pandas 提供了高性能、易用的数据结构和数据分析工具，构成了 Python 中许多数据科学工作流程的核心支持。

Pandas 的核心是两种主要数据结构：Series 和 DataFrame。理解它们对于准备数据以使用 Matplotlib 和 Seaborn 进行可视化非常重要。

Pandas Series

可以将 Pandas Series 视为一个一维数组，能够存储任何单一类型的数据（整数、字符串、浮点数、Python 对象等）。它类似于 NumPy 数组，但有一个重要补充：一个相关联的数据标签数组，称为其 索引。如果不指定索引，Pandas 会自动创建一个从 0 开始的默认整数索引。

可以将其设想为电子表格或表格中的单列。

下面是一个从 Python 列表创建 Series 的简单例子：

import pandas as pd

# 创建一个存储每日气温的 Series
temperatures = pd.Series([22.1, 25.0, 24.3, 26.7, 23.9], name='Temperature (C)')

print(temperatures)

运行此代码将得到以下输出：

0    22.1
1    25.0
2    24.3
3    26.7
4    23.9
Name: Temperature (C), dtype: float64

请注意这两列：左列是索引（本例中为 0 到 4），右列包含实际数据值。Name 属性为 Series 提供了一个标签，这可能很有用，dtype 则显示了这些值的数据类型（此处为 float64）。

Pandas DataFrame

DataFrame 是最常用的 Pandas 对象。它表示一个矩形数据表，包含按顺序排列的列集合，每列可以是不同的值类型（数值、字符串、布尔值等）。可以将 DataFrame 设想为：

• 您可能在 Excel 或 Google 表格中使用的电子表格。
• 一个 SQL 表。
• 一个字典，它的键是列名，值是表示这些列的 Series 对象。

"特别值得指出的是，DataFrame 既有行索引，也有列索引。这种二维结构使得它在处理数据集方面功能非常强大，数据集通常包含每个观测（行）的多个变量（列）。"

我们来创建一个简单的 DataFrame：

import pandas as pd

# 多个城市的数据
data = {
    'City': ['London', 'Paris', 'Tokyo', 'New York'],
    'Temperature (C)': [15.2, 18.5, 21.0, 19.8],
    'Humidity (%)': [70, 65, 75, 60]
}

# 从字典创建 DataFrame
weather_df = pd.DataFrame(data)

print(weather_df)

输出将是一个结构化表格：

       City  Temperature (C)  Humidity (%)
0    London             15.2            70
1     Paris             18.5            65
2     Tokyo             21.0            75
3  New York             19.8            60

这里，'City'、'Temperature (C)' 和 'Humidity (%)' 是列标签。数字 0、1、2、3 构成了行索引。此 DataFrame 中的每一列实际上是一个 Pandas Series。

将 DataFrame 视为共享公共索引的 Series 对象集合的视图。

为何使用 Pandas 进行可视化？

虽然 Matplotlib 和 Seaborn 可以从简单的列表或 NumPy 数组绘制数据，但使用 Pandas DataFrames 提供了显著的优势，尤其当数据集变得复杂时：

1. 带标签的数据： DataFrames 存储列名和行索引，使代码更具可读性，并且图表更容易理解（例如，轴标签通常可以自动推断）。 "2. 处理混合数据类型： 数据集包含多种数据类型（数值、文本、日期）。DataFrames 可以自然地处理这些。"
2. 集成性： Matplotlib 和 Seaborn（特别是 Seaborn）都设计为与 DataFrames 配合使用。您通常可以将整个 DataFrame 传递给绘图函数，并指定哪些列用于不同的绘图美学（x轴、y轴、颜色、大小等），使用它们的字符串名称。
3. 数据准备： Pandas 提供了强大的工具用于在绘图之前清洗、筛选、分组和转换数据，这是常见的要求。

在接下来的章节中，您将看到如何将数据加载到这些结构中，并直接与 Matplotlib 和 Seaborn 结合使用，以创建富有洞察力的可视化图表。