Pandas 快速入门
强大的数据分析处理库
1. Pandas 简介
1.1 什么是 Pandas？
Pandas 是基于 NumPy 构建的数据分析库，提供高效的数据结构和数据分析工具。
核心特点：
- 📊 DataFrame：类似 Excel 的表格数据结构
- 🔄 数据处理：清洗、转换、合并、重塑
- 📈 时间序列：强大的时间序列处理能力
- 📁 文件读写：支持 CSV、Excel、SQL、JSON 等
- 🎯 高性能：底层基于 NumPy，运算高效
1.2 核心数据结构
python
import pandas as pd
# Series - 一维数据（类似列表）
s = pd.Series([1, 2, 3, 4, 5])
print(s)
# DataFrame - 二维数据（类似表格）
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie'],
'age': [25, 30, 35],
'city': ['Beijing', 'Shanghai', 'Guangzhou']
})
print(df)2. 安装与导入
bash
# 安装 Pandas
pip install pandas
# 同时安装常用依赖
pip install pandas openpyxl xlrdpython
import pandas as pd
import numpy as np
# 查看版本
print(pd.__version__)3. 创建 DataFrame
3.1 从字典创建
python
# 方式1：字典的值为列表
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie'],
'age': [25, 30, 35],
'salary': [50000, 60000, 70000]
})
print(df)3.2 从列表创建
python
# 方式2：列表的列表
data = [
['Alice', 25, 50000],
['Bob', 30, 60000],
['Charlie', 35, 70000]
]
df = pd.DataFrame(data, columns=['name', 'age', 'salary'])
print(df)3.3 从文件读取
python
# 读取 CSV
df = pd.read_csv('data.csv')
# 读取 Excel
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')
# 读取 JSON
df = pd.read_json('data.json')
# 读取 SQL
import sqlite3
conn = sqlite3.connect('database.db')
df = pd.read_sql('SELECT * FROM users', conn)4. 查看数据
python
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'age': [25, 30, 35, 40, 45],
'salary': [50000, 60000, 70000, 80000, 90000]
})
# 查看前几行
print(df.head()) # 默认前 5 行
print(df.head(3)) # 前 3 行
# 查看后几行
print(df.tail()) # 默认后 5 行
# 查看基本信息
print(df.info()) # 数据类型、非空值数量
print(df.describe()) # 统计摘要
print(df.shape) # (5, 3) - 形状
print(df.columns) # 列名
print(df.dtypes) # 数据类型5. 数据选择
5.1 选择列
python
# 单列（返回 Series）
print(df['name'])
# 多列（返回 DataFrame）
print(df[['name', 'age']])5.2 选择行
python
# 按位置选择
print(df.iloc[0]) # 第一行
print(df.iloc[0:3]) # 前三行
print(df.iloc[[0, 2]]) # 第 1 和第 3 行
# 按标签选择
print(df.loc[0]) # 索引为 0 的行
print(df.loc[0:2]) # 索引 0 到 2 的行5.3 条件筛选
python
# 单条件
print(df[df['age'] > 30])
# 多条件
print(df[(df['age'] > 25) & (df['salary'] < 80000)])
# 使用 isin
print(df[df['name'].isin(['Alice', 'Bob'])])6. 数据操作
6.1 添加列
python
# 新增列
df['bonus'] = df['salary'] * 0.1
# 基于条件添加
df['level'] = df['age'].apply(lambda x: 'Senior' if x > 35 else 'Junior')6.2 删除列/行
python
# 删除列
df = df.drop('bonus', axis=1)
df = df.drop(columns=['bonus'])
# 删除行
df = df.drop(0, axis=0) # 删除索引为 0 的行
df = df.drop(index=[0, 1])6.3 排序
python
# 按列排序
df_sorted = df.sort_values('age') # 升序
df_sorted = df.sort_values('age', ascending=False) # 降序
# 多列排序
df_sorted = df.sort_values(['age', 'salary'], ascending=[True, False])7. 数据清洗
python
# 处理缺失值
df = df.dropna() # 删除包含缺失值的行
df = df.fillna(0) # 用 0 填充缺失值
df = df.fillna(df.mean()) # 用平均值填充
# 删除重复行
df = df.drop_duplicates()
# 重命名列
df = df.rename(columns={'old_name': 'new_name'})8. 分组聚合
python
# 按列分组
grouped = df.groupby('level')
# 聚合函数
print(grouped['salary'].mean()) # 平均工资
print(grouped['salary'].sum()) # 总工资
print(grouped.size()) # 每组数量
# 多个聚合
print(grouped['salary'].agg(['mean', 'sum', 'count']))9. 数据合并
python
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value1': [1, 2, 3]})
df2 = pd.DataFrame({'key': ['A', 'B', 'D'], 'value2': [4, 5, 6]})
# 合并（类似 SQL JOIN）
merged = pd.merge(df1, df2, on='key', how='inner') # 内连接
merged = pd.merge(df1, df2, on='key', how='outer') # 外连接
merged = pd.merge(df1, df2, on='key', how='left') # 左连接
# 拼接
concatenated = pd.concat([df1, df2], axis=0) # 垂直拼接10. 数据导出
python
# 导出 CSV
df.to_csv('output.csv', index=False)
# 导出 Excel
df.to_excel('output.xlsx', sheet_name='Sheet1', index=False)
# 导出 JSON
df.to_json('output.json', orient='records')文档版本: v1.0 最后更新: 2026-01-16 作者: Claude Code