pandas 数据模型：列类型、索引与 CSV 契约

前置：Python CSV与异常。pandas处理带标签的列式数据，DataFrame不是数据库表，也不自动提供主键约束。先回答“一行是什么、每列允许什么、缺失代表什么”，再选择API。本组完整工程销售月报只读取本地CSV，示例未执行。

教学版本与依赖

pandas教学版本如何固定：本组采用已发布的 pandas 2.3.3 与 CPython 3.12，直接依赖同时声明 tzdata，核对日期2026-10-17。这是可复现教学基线，不表示它是当前最新版或长期支持承诺。复制代码时不要混用3.x文档的默认行为；升级须重新检查缺失字符串、groupby和复制语义。安装说明在工程README，本次未安装任何产品依赖。

2.3.3发布记录说明该版本发布于2025-09-29。直接依赖固定不等于完整锁定传递依赖；真实交付还应在目标平台解析并保存锁文件和哈希，本理论包没有伪造安装结果。

标签索引与位置

pandas标签和位置为什么不同：Index是行标签，loc按标签选择，iloc按位置选择；整数标签也不自动等于位置。Series赋给DataFrame列时按标签对齐，排序或筛选后继续使用旧索引可能出现缺失值。业务ID应保留为显式列并单独校验唯一性；RangeIndex只是当前行编号，不是销售主键。

以下为局部解释片段，插入交互环境观察：

import pandas as pd
frame = pd.DataFrame({'value': [10, 20]}, index=['b', 'a'])
frame['other'] = pd.Series([1, 2], index=['a', 'b'])
# 预期 b 行 other=2，a 行 other=1；不是按列表位置赋值。
assert frame.loc['b', 'other'] == 2
assert frame.iloc[0]['value'] == 10

用reset_index(drop=True)会丢弃旧标签，必须确认旧标签没有业务含义；用to_numpy绕过标签对齐则把责任转给行顺序，不能当作普遍修复。项目创建整数分Series时原销售表仍是构造所得RangeIndex，两者一致；若先筛选，应明确使用原索引构造Series或重新建立行编号。

可空列与布尔判断

pandas可空整数怎么选择：Int64是可空扩展类型，int64是不可空整数类型；pd.NA表达未知，不能直接把未知当成普通真值。需要缺失整数时显式指定dtype='Int64'，检查缺失用isna而不是等号；把可空比较结果用于筛选前先决定未知记录应保留、拒绝还是补默认值。

quantities = pd.Series([1, None], dtype='Int64')
valid = quantities.gt(0).fillna(False)
# 预期筛出第一项；这里业务明确选择丢弃未知，不是通用缺失策略。

dtype='string'也比混杂object更能表达文本列；Python对象、数值和字符串混在object里，常常是边界未清理的信号。类型只能表示“能装什么”，不能保证订单唯一、金额非负或客户存在。项目金额列在缺失和范围校验后转int64；region先识别唯一允许的空字符串，再补为unknown，没有把错误金额补零。

可空表示依据：Int64Dtype。

CSV推断与严格模式

pandas读取CSV如何保留前导零：读入阶段显式指定字符串类型，关闭不符合业务的默认NA推断，再验证准确表头与字段数。001是客户标识，不是数值1；NA可能是合法文本，不能因为默认缺失词表而消失。dtype解决列表示，schema解决必填、唯一、范围和字段契约，两者必须分开。

对于已知结构可信CSV，局部调用为 pd.read_csv(path, dtype='string', keep_default_na=False, encoding='utf-8-sig')，随后检查列和业务规则。工程采用标准库csv.reader(strict=True)先检查每一行的字段数，再构造DataFrame，防止畸形CSV被自动解释为索引或缺字段补空；strict不会代替业务检查。限制每表100000行控制教学规模，但不是严格的进程内存限额，单个超长字段仍需上游文件大小管理。

参考：read_csv、索引指南。API默认参数是便捷约定，业务输入契约必须独立写清。

建模练习

给两行销售设置标签100、200，把索引0、1的金额Series赋给新列，预测结果。再判断客户ID“001”和缺失ID能否一律astype(int)。最后为可空优惠金额定义“无优惠”与“金额未知”的差异；不要先看下面答案。

参考解法

标签不匹配使两行新列都缺失；可显式按相同标签创建Series，但只有确认位置契约时才用数组赋值。“001”转整数丢失身份表示，空ID必须拒绝；无优惠可用0分，金额未知应保留NA或拒绝进入财务报表，不能无依据地填零。项目只允许region缺失，因此金额无需可空整数。