Pandas，数据处理与分析的得力助手！

Pandas是 Python 数据分析中的顶梁柱，简直就是 Excel 的代码版。它帮我们轻松搞定表格型数据：无论是数据清洗、处理，还是分析，都能得心应手。你可以把它想象成一个超强的工具箱，里面装满了处理数据的“十八般武艺”。今天咱们就来看看 Pandas 怎么用，能干点啥。

1、安装 Pandas 和基本概念

用 Pandas 之前，先得装上这个库。直接用 pip 玩命敲下去：

pip install pandas

装完后，咱们来认识两个 Pandas 的核心概念：Series和DataFrame。简单讲，Series 是带索引的一维数据，DataFrame 是由多个 Series 组成的二维数据，也就是表格。

先来个简单例子，创建一个 Series 和一个 DataFrame：

import pandas as pd

# 创建一个 Series

s = pd.Series([10, 20, 30], index=["a", "b", "c"])

# 创建一个 DataFrame

data = {

  "Name": ["Alice", "Bob", "Charlie"],

  "Age": [25, 30, 35],

  "Score": [90, 85, 88],

}

df = pd.DataFrame(data)

print(s)

print(df)

运行结果：

a    10

b    20

c    30

dtype: int64

    Name  Age  Score

0    Alice   25     90

1      Bob   30     85

2  Charlie   35     88

温馨提示：DataFrame 的列就像 Excel 的列头，Series 比较像一列数据。两者配合使用，功能满分。

2、读写数据文件

Pandas 的拿手好戏之一就是读写文件。不管是 CSV、Excel，还是数据库里的数据，都能轻松搞定。以下是读写 CSV 文件的简单示例：

读取 CSV 文件

df = pd.read_csv("data.csv")

print(df.head())  # 查看前 5 行写入 CSV 文件

df.to_csv("output.csv", index=False)

温馨提示：index=False是为了不把 DataFrame 的索引写进文件里，避免生成多余的一列。

3、常见数据操作

下面是一些 Pandas 最常用的操作，直接上代码。

查看数据

print(df.head(3))  # 查看前 3 行

print(df.tail(2))  # 查看后 2 行

print(df.info())   # 数据结构信息

print(df.describe())  # 数据统计信息选择列和行

# 选择列

print(df["Name"])

# 选择行

print(df.iloc[1])  # 按行号选

print(df.loc[0])   # 按索引选筛选数据

# 筛选 Age > 25 的数据

filtered = df[df["Age"] > 25]

print(filtered)

运行结果：筛选出年龄大于 25 的人。

4、数据清洗

Pandas 还特别擅长清洗数据，处理那些让人头疼的缺失值、重复值之类的。

处理缺失值

df = pd.DataFrame({

  "Name": ["Alice", "Bob", None],

  "Age": [25, None, 35],

  "Score": [90, 85, None],

})

# 填充缺失值

df["Age"] = df["Age"].fillna(30)  # 用 30 填充缺失值

# 删除含有缺失值的行

df = df.dropna()

print(df)处理重复值

df = pd.DataFrame({

  "Name": ["Alice", "Bob", "Bob"],

  "Age": [25, 30, 30],

})

# 去重

df = df.drop_duplicates()

print(df)

温馨提示：fillna和dropna是 Pandas 的两大救命神器，遇到缺失值别慌，它们保你平安。

5、数据分析与统计

Pandas 还能帮你快速做一些统计分析，比如求平均数、最大值之类的。

基本统计操作

print(df["Age"].mean())  # 平均值

print(df["Score"].max())  # 最大值

print(df["Age"].value_counts())  # 统计每个值出现的次数分组统计

# 按 Name 分组，计算平均分

grouped = df.groupby("Name")["Score"].mean()

print(grouped)6、数据可视化

虽然 Pandas 不是专门的可视化工具，但它能跟 Matplotlib 搭配，画些简单的图表。

import matplotlib.pyplot as plt

df["Age"].plot(kind="bar")  # 柱状图

plt.show()7、使用列表推导式和 lambda 函数

有时候需要在 DataFrame 里新增一列，Pandas 支持用lambda函数和列表推导式轻松搞定。

新增一列

df["AgeGroup"] = df["Age"].apply(lambda x: "Young" if x < 30 else "Old")

print(df)

运行结果：新增了一列AgeGroup，标记每个人是年轻还是年长。

8、常见错误和注意事项

•索引问题：iloc是按行号索引，loc是按索引值索引，别搞混了。

•缺失值处理：fillna和dropna是经常用的，记住它们的语法。

•链式操作问题：有时候你连续操作多步，可能会丢掉中间的修改。用inplace=True或者分步操作能避免问题。

总结

Pandas 是数据分析的好帮手，功能强大，操作简单。无论是读取数据、清洗数据，还是分析数据，Pandas 都可以轻松搞定。熟练掌握它，你的代码效率会飞速提升！