Раньше данные существовали на карточках. Представьте себе мир, где ваш датасет — это не файл на диске, а стопка перфокарт. Каждая карта — одна запись, одна строка в таблице. А колонки? Это были отверстия по краям карты — краевая перфорация.

1 перфокарта = 1 запись. Разрывались границы в тех местах, где установлен признак. Спицы, которые пробивали базу насквозь, позволяли вытащить листы с заданными признаками. Процесс напоминал магический ритуал. Аналитик, которому нужно было выбрать, например, всех клиентов из Москвы, брал длинную металлическую спицу и прокалывал ею стопку карт в определённом месте, соответствующему коду города. После встряхивания, карты с нужным признаком, где перфорация была разорвана, оставались на спице, а остальные выпадали. Так происходила «фильтрация» и «группировка» данных.

Еще были введены сложные ключи (цифровые и буквенные) и щелевой способ их записи. То есть можно было искать по коротким текстовым идентификаторам. Это был аналог современного поиска по столбцу.

Сегодняшний Pandas дает возможность структурировать информацию так, чтобы её можно было легко фильтровать, группировать и анализировать. Как 60 лет назад спица физически вычленяла нужные карточки, так сегодня команда df[df['Город'] == 'Москва'] виртуально делает то же самое с миллионами строк. Просто это стало в миллионы раз быстрее и доступнее. Механика (а так же картон и спицы) ушли, но логика и мощь остались! и это делает вычислительные методы более удобными для работы.