DataFrame 数据结构
DataFrame 本质上是一个行、列均带标签的二维表格。每列拥有独立的 dtype（数据类型），而所有列共享同一套行索引。
import pandas as pd
people = pd.DataFrame(
{
"name": pd.Series(["Ada", "Lin"], dtype="string"),
"age": pd.Series([36, pd.NA], dtype="Int64"),
}
)
核心不变量
people.shape
people.columns
people.index
people.dtypes
people.info()
Schema（模式）远不止列名那么简单：列的唯一性、数据类型、单位、缺失值处理以及索引的具体含义，都会直接影响下游逻辑的行为。
列操作与赋值
names = people["name"] # 返回 Series
subset = people[["name", "age"]] # 返回 DataFrame
people = people.assign(adult=people["age"].ge(18))
当对列赋值 Series 时，pandas 会自动按索引对齐。只有在你明确需要按位置对齐，且长度完全匹配时，才应传入数组类对象。
行操作与修改
用一次 .loc 操作完成选择和赋值。下面把 Lin 的 age 改为 34，但不会重新计算 adult：这一列保存的是之前算出的结果，不是会自动更新的公式。因此，Lin 的 adult 仍为缺失值；要更新它，需要用修改后的年龄重新运行前面的 assign 表达式。
people.loc[people["name"].eq("Lin"), "age"] = 34
避免使用 df[mask]["age"] = 34 这种链式赋值。它不仅掩盖了实际被修改的对象，还与 pandas 的 Copy-on-Write（写时复制）机制相冲突。
优先使用返回新对象的转换方法（如 assign、rename、drop），而非散落在各处的 inplace=True 原地修改。重新绑定变量能让数据流水线的各个阶段更易于审查和测试。
适用边界
Pandas 最适合处理能轻松装入内存的表格数据。对于严格的数据模式，应在数据摄入阶段进行校验；若数据量超出内存限制或需分布式处理，应选择专为该执行模型设计的引擎。