Pandas データ構造

Pandasには一般的に3つのデータ構造があります。

DataFrameは広く使用されており、最も重要なデータ構造の1つです。パネルはあまり使用されません。 DataFrame Panel

これらのデータ構造はNumpyの配列の上に構築されていますので、それらの実行速度は非常に速いです。

Python、Numpy、Pandasの比較

list：Pythonの標準データ型、主に一次元を使用し、機能が単純で効率が低い Dict：Pythonの標準データ型、多次元のキー／バリュー対、効率が低い

ndarray：Numpyの基本データ型、単一のデータ型 データ構造に注目します。/演算/次元（データ間の関係）

Series：1次元、インデックスを持つものに似ています。1次元ndarray DataFrame：2次元、テーブル型データ型、行／列インデックスを持つものに似ています。2次元ndarrayはデータとインデックスの関係（データの実際のアプリケーション）に注目します。

実用性、機能の強さ、操作の可操作性を比較すると：list < ndarray < Series/DataFrame

データの整理と分析作業では、ndarray配列は必要な補完として使用され、大部分のデータはPandasデータ型を使用するようにします。

これらのデータ構造を最も良い方法で考えるのは、高次元データ構造が低次元データ構造のコンテナであることです。例えば、DataFrameはSeriesのコンテナであり、PanelはDataFrameのコンテナです。

二次元配列の作成と処理は煩雑な作業であり、関数を記述する際にはユーザーがデータセットの方向を考慮する必要がありますが、Pandasデータ構造を使用することでユーザーの労力を減らすことができます。
に対して考慮するよりも重要です。1例えば、テーブルデータ（DataFrame）に対して、意味的に索引（行）と列を考慮する方が、軸0と軸

上記の通り、さらに役立ちます。

変異

すべてのPandasデータ構造は値が可変です（変更できます）。Series以外は、サイズが可変です。シリーズはサイズが固定です。 -注

DataFrameは広く使用されており、最も重要なデータ構造の1つです。パネルはあまり使用されません。

Series10Seriesは均一データを持つ1次元配列構造です。例えば、以下のシリーズは整数23Seriesは均一データを持つ1次元配列構造です。例えば、以下のシリーズは整数56、

Series10Seriesは均一データを持つ1次元配列構造です。例えば、以下のシリーズは整数23Seriesは均一データを持つ1次元配列構造です。例えば、以下のシリーズは整数56、

同じデータ... サイズが固定 データの可変値

Data Frames

DataFrameは異構データを持つ2次元配列です。例えば、

上表は、組織の販売チームのデータとその全体のパフォーマンスレベルを示しています。データは行と列で表現されており、各列は属性、各行は人を表しています。

異構データ サイズが固定 データは可変

Panel

Panelは異構データを持つ3次元データ構造です。パネルはグラフィカルに表現するのが難しいですが、パネルはDataFrameのコンテナとして説明できます。

異構データ サイズは可変 データは可変