DataFrame 直觉 —— 会呼吸的 Excel

本课导读

pandas 的世界只有一个中心：DataFrame——一张带行标签、列标签的二维表。你可以把它理解成"会呼吸的 Excel 表"：长得像 Excel，但每个操作都是代码，因此可复现、可批量、可自动化。本课建立三个直觉：DataFrame 长什么样、它和你学过的"字典的列表"什么关系、一列（Series）单独拿出来是什么。有了直觉，后面六课全是顺水推舟。预计 55 分钟。

从"字典的列表"到 DataFrame

U1.1 到 U1.3 反复出现的"数据标准形状"，pandas 一口就能吞下：

import pandas as pd

# 老朋友：字典的列表（三名员工）
staff = [
  {"name": "小雨", "dept": "设计", "salary": 12000},
  {"name": "阿杰", "dept": "运营", "salary": 9500},
  {"name": "丽丽", "dept": "设计", "salary": 13000},
]

df = pd.DataFrame(staff)     # 一行：变成表
print(df)

看输出：列标签（name/dept/salary）来自字典的键，行标签（左侧的 0/1/2，叫索引 index）自动编号。恭喜——你过去五个单元跟"字典的列表"搏斗的所有经验，现在都有了表格形态。

另一种常见创建方式，"字典的列表"换成"列表的字典"（按列给数据）：

import pandas as pd

df = pd.DataFrame({
  "name": ["小雨", "阿杰", "丽丽"],
  "dept": ["设计", "运营", "设计"],
  "salary": [12000, 9500, 13000],
})
print(df)
print(df.shape)      # (行数, 列数)——元组，U1.1 学的
print(df.columns.tolist())   # 列名清单

两种写法产出完全一样。用陌生类三问打量它（U1.2 的功夫）：怎么造——pd.DataFrame(数据)；有什么——shape、columns、index 等属性；会什么——接下来六课全是它的方法。

一列拿出来：Series

方括号取一列，得到的东西叫 Series（序列）——带标签的一维数据，DataFrame 的基本零件：

import pandas as pd

df = pd.DataFrame({
  "name": ["小雨", "阿杰", "丽丽"],
  "salary": [12000, 9500, 13000],
})

s = df["salary"]        # 取一列 → Series
print(s)
print(type(s))

# Series 自带统计全家桶：
print(f"平均 {s.mean():.0f}，最高 {s.max()}，合计 {s.sum()}")

对照记忆：DataFrame 之于 Series，就像"整张表"之于"一列"。取一列是 Series，取多列还是 DataFrame（下下课细讲选取）。.mean()/.max()/.sum() 这些统计方法直接长在列上——不用再写 for 循环累加了。

pandas 的第一个魔法：整列运算

这是 pandas 与手写循环的分水岭。给全员涨薪 10%：

import pandas as pd

df = pd.DataFrame({
  "name": ["小雨", "阿杰", "丽丽"],
  "salary": [12000, 9500, 13000],
})

# 不写循环！整列直接参与运算：
df["new_salary"] = df["salary"] * 1.1        # 新列 = 旧列整体 ×1.1
df["annual"] = df["new_salary"] * 12          # 列和列还能继续算
print(df)

拆解这个魔法：

• df["salary"] * 1.1——一列乘一个数 = 每个元素都乘，pandas 自动帮你"循环"（术语叫向量化，记住现象即可）
• df["新列名"] = ...——不存在的列，赋值即创建（眼熟吗？字典的脾气，它继承了）
• 心法转变：从"逐个处理"到"整列思考"——U1.1 推导式帮你把循环压成一行，pandas 更进一步，让你连"循环"这个概念都不用想

会呼吸的证据：和 Excel 的对照

最后一行是本质区别：Excel 的操作是手艺（做完就散），pandas 的操作是代码（可保存、可重放、可交给别人审查）。数据量上 Excel 十万行就开始喘，pandas 百万行如常——这就是"会呼吸"。

✍️ 练习

练习 1：建表初体验

用"列表的字典"创建一张商品表：三件商品（键盘 299 / 鼠标 89 / 显示器 1599），列为 product 和 price。打印整表、形状、price 列的平均值。

import pandas as pd

# 你的代码写在下面

import pandas as pd

df = pd.DataFrame({
    "product": ["键盘", "鼠标", "显示器"],
    "price": [299, 89, 1599],
})
print(df)
print(df.shape)
print(df["price"].mean())

练习 2：整列运算

给商品表加两列：discounted（八折价）和 with_tax（八折价再加 6% 税）。全程不许写 for。

import pandas as pd

df = pd.DataFrame({
  "product": ["键盘", "鼠标", "显示器"],
  "price": [299, 89, 1599],
})

# 你的代码写在下面

import pandas as pd

df = pd.DataFrame({
    "product": ["键盘", "鼠标", "显示器"],
    "price": [299, 89, 1599],
})

df["discounted"] = df["price"] * 0.8
df["with_tax"] = df["discounted"] * 1.06
print(df)

练习 3：新旧脑子对照（挑战）

下面是 U1.1 风格的"循环脑"代码。用"整列脑"重写：pandas 三行以内完成同样的事（建表、算业绩达标标记、打印达标人数）。

import pandas as pd

# 循环脑版本（读懂它，然后用 pandas 重写）
names = ["小雨", "阿杰", "丽丽", "老王"]
sales = [60000, 45000, 80000, 52000]

passed = 0
for s in sales:
  if s >= 50000:
      passed = passed + 1
print(f"达标 {passed} 人")

# 你的 pandas 版本写在下面（提示：比较运算也能整列做，结果是一列 True/False）

import pandas as pd

df = pd.DataFrame({"name": ["小雨", "阿杰", "丽丽", "老王"],
                   "sales": [60000, 45000, 80000, 52000]})
print(f'达标 {(df["sales"] >= 50000).sum()} 人')

📝 随堂测验

本课小结

• DataFrame = 行标签 + 列标签的二维表；"字典的列表"一口吞成表，过往功夫全数继承
• 单列是 Series，统计方法（mean/sum/max）直接长在列上
• 第一魔法整列运算：列与数、列与列直接算，新列赋值即创建——从"逐个处理"换成"整列思考"
• 与 Excel 的本质差：操作即代码，可复现、可批量、百万行不喘

下一课对接真实世界：read_csv 读入外部数据，再用 head/info/describe 三板斧给它做"入库体检"。