第 1 章：数据加载与查看（Loading & Inspecting Data） on 跟我学机器学习

Pandas 核心知识点详解：从字典创建 DataFrame 到查看数据形状与数据类型 | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 1.1 节核心知识点#

预计学习时长： 30 分钟

本节目标：

会用字典创建一个 DataFrame；

知道怎么看一张表有几行几列；

会取出一列或多列，并说清楚它们返回的是什么东西；

看懂 dtypes 输出的 int64 / float64 / object 是什么意思；

会用 head() 和 tail() 预览数据。

本课程使用的 Pandas 版本是 '3.1.0'

DataFrame 是什么#

在动手写代码之前，先建立一个直觉，不然每个方法都会显得很突兀。

在 Pandas 中，DataFrame 其实就是一张二维表格，它和 Excel 里的工作表几乎一样：

有行，有列；
每行是一条记录，每列是一个字段；
行列交汇的格子（称之为 Cell）里存一个值。

但和 Excel 不同的是，DataFrame 是一张有户口本的表，它的每一行都有编号（叫索引 index），每一列都有名字（叫列名 columns）。这两样东西你随时可以换、可以查、可以重设，这也是第 2 章将要重点讲的东西。

在 Pandas 里，有两种基本的数据结构：

结构	是什么	长什么样
Series	一列	一维的「带标签的数组」，比如下面订单表里的「城市」这一列
DataFrame	整张表	二维的「带行标签和列标签的表格」，由多个 Series 拼起来

一句话记住：Series 是一列，DataFrame 是很多列拼起来的表。

Pandas 编程练习：5 道动手题学会看表（建表、看形状、取列、看类型、预览数据） | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 1.2 节编程练习#

预计学习时长： 40 分钟

练习方式： 建议新建一个 Jupyter Notebook，把下面的数据准备代码抄进去，然后每题独立完成。先写，写不出再展开答案——直接看答案的练习几乎没有效果。

本课程使用的 Pandas 版本是 '3.1.0'

本小节示例代码文件：。

Pandas 常见问题答疑：10 个新手必踩的坑（DataFrame 取列、shape、dtype、head/tail） | Pandas 数据分析实战

Sat, 24 Oct 2026 22:30:00 +0800

第 1.3 节常见问题#

这一节收集了初学者用 Pandas 时最常卡的 10 个问题。每个问题都给出直接答案，能跑代码的都附上完整示例。

使用方式： 不用通读。遇到问题时用 Ctrl+F 搜关键词，直接跳到对应那条。等你把 5 章都学完再回头看，你会发现里面好多问题现在已经有答案了。

本课程使用的 Pandas 版本是 '3.1.0'

准备一下数据，下面每题都会用到：

import pandas as pd

data = {
 "订单号": [1001, 1002, 1003, 1004, 1005, 1006, 1007, 1008],
 "下单日期": ["2024-01-05", "2024-01-08", "2024-01-12", "2024-02-03",
 "2024-02-15", "2024-03-02", "2024-03-20", "2024-04-08"],
 "城市": ["北京", "上海", "北京", "广州", "上海", "北京", "深圳", "广州"],
 "商品": ["手机", "电脑", "耳机", "手机", "键盘", "显示器", "耳机", "手机"],
 "销量": [2, 1, 3, 2, 5, 1, 4, 2],
 "单价": [3999.0, 7999.0, 599.0, 3999.0, 299.0, 1299.0, 599.0, 3999.0],
 "金额": [7998.0, 7999.0, 1797.0, 7998.0, 1495.0, 1299.0, 2396.0, 7998.0],
 "客户评分": [4.5, 4.0, 4.8, 3.9, 4.2, 4.6, 4.1, 4.9],
}

df = pd.DataFrame(data)

Q1：如何从字典、列表或 NumPy 数组创建 DataFrame？#

答案： 三种都传给 pd.DataFrame()，区别只在于「数据怎么排」。

字典——键是列名，值是这一列的数据：

df = pd.DataFrame({
 "城市": ["北京", "上海"],
 "销量": [2, 1],
})

列表——每一行是一个列表，用 columns= 指定列名：

df = pd.DataFrame([
 ["北京", 2],
 ["上海", 1],
], columns=["城市", "销量"])

字典的列表——每一行是一个字典，列名自动取所有键的并集：

第 1 章：数据加载与查看（Loading & Inspecting Data） on 跟我学机器学习

Pandas 核心知识点详解：从字典创建 DataFrame 到查看数据形状与数据类型 | Pandas 数据分析实战

第 1.1 节 核心知识点#

DataFrame 是什么#

Pandas 编程练习：5 道动手题学会看表（建表、看形状、取列、看类型、预览数据） | Pandas 数据分析实战

第 1.2 节 编程练习#

Pandas 常见问题答疑：10 个新手必踩的坑（DataFrame 取列、shape、dtype、head/tail） | Pandas 数据分析实战

第 1.3 节 常见问题#

Q1：如何从字典、列表或 NumPy 数组创建 DataFrame？#

第 1.1 节核心知识点#

第 1.2 节编程练习#

第 1.3 节常见问题#