Pandas 数据结构：DataFrame

Pandas DataFrame 是处理表格数据的核心数据结构，这些数据通常由行和列组成。虽然 Pandas 也提供了用于一维带标签数据的 Series，但 DataFrame 是管理多维数据集的重要工具，可说是 Pandas 中最主要的数据结构。它直接受到 R 编程语言中数据帧概念的启发。

可以将 DataFrame 看作一个普适的二维表格，类似于你在 Microsoft Excel 中使用的电子表格，或 SQL 数据库中的表。它旨在以结构化的方式存放数据，方便处理和分析。

以下是 DataFrame 的主要特点：

1. 二维： 它同时具有行和列，形成网格状结构。
2. 带标签的轴： 行和列都有标签。行标签统称为 index，列标签称为 columns。这使得根据这些标签而非仅仅整数位置来获取数据变得更直接。
3. 异构数据类型： 与通常只存储单一数据类型的 NumPy 数组不同，DataFrame 中的列可以包含不同的数据类型（例如：整数、浮点数、字符串、布尔值、Python 对象）。
4. 大小可变： 通常，在 DataFrame 创建后，你可以添加或移除列。添加或移除行也是可行的。
5. 与 Series 的关系： 你可以将 DataFrame 理解为 Series 对象的字典或集合，其中每个 Series 代表一列。DataFrame 中的所有 Series（列）共享相同的索引（行标签）。

Pandas DataFrame 的视图，显示行索引标签、列标签（可能包含数据类型）和数据网格。

尽管 DataFrame 内部使用 NumPy 数组来提升效率，但它提供了更灵活和富有表现力的接口来处理结构化数据。它在操作期间自动处理数据对齐 (alignment)，并提供精巧的方法进行索引、切片、重塑、合并和处理缺失信息。这使其成为数据清理、数据检查和分析任务中不可或缺的工具，这些任务在数据科学和 AI 工作流程中很常见。

接下来的章节将会说明如何从各种数据源创建这些多用途的 DataFrame 对象，以及如何开始了解其内容。