Pandas для начинающих: DataFrame, Series — первые шаги

Pandas — одна из главных библиотек Python для анализа данных. Если вы только начинаете путь в Data Science, аналитике или автоматизации отчетов, важно понять 2 базовые сущности: Series и DataFrame.

Series — это одномерная структура данных.
Проще говоря, один столбец со значениями и индексами.

Пример:

import pandas as pd

s = pd.Series([10, 20, 30], index=["a", "b", "c"])
print(s)

Что важно:

• у каждого значения есть индекс
• можно обращаться по метке: s["b"]
• подходит для хранения одного набора данных

DataFrame — это двумерная таблица.
По сути, аналог Excel-таблицы или SQL-таблицы: строки + столбцы.

Пример:

df = pd.DataFrame({
    "name": ["Анна", "Игорь", "Олег"],
    "age": [25, 31, 28],
    "city": ["Москва", "Казань", "СПб"]
})
print(df)

Почему DataFrame удобен:

• можно хранить разные типы данных в одной таблице
• легко фильтровать, сортировать и группировать данные
• это основной формат для работы с CSV, Excel и аналитикой

Как посмотреть первые данные 👀

После загрузки таблицы полезно сразу проверить содержимое:

df.head()
df.tail()
df.info()
df.describe()

Что делают методы:

• head() — первые 5 строк
• tail() — последние 5 строк
• info() — типы данных и пропуски
• describe() — базовая статистика по числам

Как выбрать столбец или строки

Один столбец:

df["age"]

Несколько столбцов:

df[["name", "city"]]

Фильтр по условию:

df[df["age"] > 26]

Это один из самых частых запросов новичков: как фильтровать данные в Pandas. Ответ — через логические условия внутри квадратных скобок.

Чтение CSV-файла 💾

Чаще всего Pandas используют для загрузки данных:

df = pd.read_csv("data.csv")

После этого обычно делают:

df.head()
df.info()

Так можно быстро понять:

• какие столбцы есть
• какие типы данных определились
• есть ли пустые значения

Частые ошибки новичков ⚠️

• путать Series и DataFrame
• забывать, что названия столбцов чувствительны к точному написанию
• не проверять info() после загрузки файла
• пытаться работать с числами, которые считались как строки

С чего начать изучение Pandas

• создать Series вручную
• собрать простой DataFrame
• научиться выбирать столбцы
• попробовать фильтрацию
• загрузить CSV и посмотреть структуру данных

Pandas — это базовый инструмент для аналитика, data scientist, Python-разработчика и инженера данных. Поняв Series и DataFrame, вы закладываете фундамент для обработки данных, визуализации и машинного обучения 🚀

Подборку каналов про IT — с Python, аналитикой, Data Science и разработкой — стоит посмотреть в закрепе/описании.

🗣 Подборки каналов
🧠 Каталог ботов и приложений
🗺 Навигация