从 0 到 1 掌握 Pandas：Python 数据分析必备库（全代码示例）

Pandas 是 Python 数据分析最核心、最常用的工具库，专门用于数据读取、清洗、处理、分析和可视化，堪称数据分析师、算法工程师的「瑞士军刀」。

本文全程以代码示例为主，覆盖 Pandas 90% 日常用法

一、先安装导入 Pandas

# 安装 pandas（终端/命令行执行）
pip install pandas

# 导入 pandas（行业标准写法）
import pandas as pd
import numpy as np # 配合使用

二、Pandas 两大核心数据结构

Pandas 只有两个核心数据结构，掌握它们就掌握了 Pandas 的基础：

1. Series 代码示例

import pandas as pd
import numpy as np
# 1. 从列表中创建 Series
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], name='score')
print(s)
print(type(s)) # <class 'pandas.Series'>
print(s.values) # [1 2 3 4 5]
print(s.index) # Index(['a', 'b', 'c', 'd', 'e'], dtype='str')
print(s.name) # score
print(s.dtype) # int64
print(s.size) # 5
print(s.ndim) # 1
print(s.shape) # (5,)

# 2. 从字典中创建Series
s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}, name='score')
print(s)
print(type(s)) # <class 'pandas.Series'>
print(s.values) # [1 2 3 4 5]
print(s.index) # Index(['a', 'b', 'c', 'd', 'e'], dtype='str')
print(s.name) # score
print(s.dtype) # int64
print(s.size) # 5
print(s.ndim) # 1
print(s.shape) # (5,)
print(s.sample()) # Name: score, dtype: int64

2. DataFrame 代码示例（最常用）

# 用字典创建 DataFrame（每一对 key:value 是一列）
data = {
"姓名": ["小明", "小红", "小刚", "小李"],
"年龄": [20, 21, 19, 22],
"成绩": [85, 92, 78, 95],
"城市": ["北京", "上海", "北京", "深圳"]
}

df = pd.DataFrame(data)
print(df)

输出效果就是一张标准表格：

姓名 年龄 成绩 城市
0 小明 20 85 北京
1 小红 21 92 上海
2 小刚 19 78 北京
3 小李 22 95 深圳

三、数据读取与保存（Excel/CSV）

同路径下，创建一个data.csv文件

name,age,grade,grade
张三,11,小学,76
李四,12,初中,87
王五,13,初中,98
赵六,23,大学,98
钱七,23,大学,60

Pandas 可以直接读写 Excel、CSV、SQL、JSON 等几乎所有常见数据格式。

1. 读取 CSV

# 读取 csv 文件
df = pd.read_csv('data.csv')
print(df)
# 读取带中文的文件（指定编码）
df = pd.read_csv('data.csv', encoding='utf-8')
print(df)

2. 保存数据

# 保存为 CSV
df.to_csv("new_data.csv", index=False, encoding="utf-8")

index=False 表示不保存行索引，否则文件会多出一列无用数字。

四、快速查看数据（必备）

# 查看前五行
print(df.head())
# 查看前两行
print(df.head(2))
# 查看数据基本信息（列名、类型、空值、内存）
print(df.info())
# 查看数据描述信息
print(df.describe())
# 查看数据索引
print(df.index)
# 查看数据列名
print(df.columns)
# 查看行列数
print('行数：', df.shape[0])
print('列数：', df.shape[1])

五、数据筛选与查询（最常用操作）

1. 选择列

# 单列
df["姓名"]

# 多列（传入列表）
df[["姓名", "成绩"]]

1.1 扩展：KeyError: “None of [Index([‘name’, ‘age’], dtype=‘str’)] are in the [index]”

• 为什么 pandas 先取单列再取多列会报错？

很多刚学 pandas 的同学都会遇到一个经典报错：先取单列正常，再取多列直接 KeyError，但反过来先多列再单列却完全没问题。

• 核心原因

df['name']：返回 Series（一维数据，不再是表格）

df[['name','age']]：返回 DataFrame（二维表格，支持多列索引）

• 错误顺序（报错）

df = df['name'] # df 变成 Series，原表格被覆盖
df = df[['name','age']] # Series 没有列名 → KeyError

• 正确顺序（不报错）

df = df[['name','age']] # 依旧是 DataFrame
df = df['name'] # DataFrame 取单列正常

• 最佳实践

不要覆盖原变量，避免类型混乱：

# 单列用新变量
s_name = df['name']
# 多列用新变量
df_sub = df[['name','age']]

一句话总结：Series 不能当 DataFrame 用，别把表格变量改成单列！

2. 条件筛选

# 2. 条件筛选
df = pd.read_csv('data.csv')
# 单条件筛选(年龄 > 18)
print(df[df['age'] > 18])
# 多条件筛选（&且 |或，必须加括号，grade=初中且score>80）
print(df[(df['grade'] == '初中') & (df['score'] > 80)])

3. 模糊查询（包含某字符）

# 3. 模糊查询
df = pd.read_csv('data.csv')
# 姓名中包含 张
print(df[df['name'].str.contains('张')])

4. 定位取值（iloc /loc）

# 4. 定位取值
df = pd.read_csv('data.csv')
# 行索引为0，按标签取值
print(df.loc[0, 'name'])
# 行索引为0，列索引为0
print(df.iloc[0, 0])

六、数据清洗（处理缺失值、重复值）

1. 查看缺失值

# 查看每列缺失值数量
df.isnull().sum()

2. 处理缺失值

再补充一些数据

name,age,grade,score
张三,11,小学,76
李四,12,初中,87
王五,13,初中,98
赵六,23,大学,98
钱七,23,大学,60
孙八,,,89
,25,大学,
,"",,
,25,大学,
"\\"\\"",25,大学,

# 删除含缺失值的行
df = pd.read_csv('data.csv')
print(df)

# 查看缺失值
print(df.isnull())
# 查看缺失值个数
print(df.isnull().sum())
# 用指定值填充缺失值
# df = df.fillna(0)
# print(df)
# 用均值填充缺失值(只能填充数字列)
# df = df.fillna(df.mean(numeric_only=True))
# 方案2：指定列填充（更精准）
df['age'] = df['age'].fillna(df['age'].mean())
df['score'] = df['score'].fillna(df['score'].mean())
print(df)
# 删除含缺失值的行
df = df.dropna()
print(df)

3. 处理重复值

再补充一些数据
name,age,grade,score
张三,11,小学,76
张三,11,小学,76
张三,11,小学,76
李四,12,初中,87
王五,13,初中,98
赵六,23,大学,98
钱七,23,大学,60
钱七,23,大学,60
钱七,23,大学,60
钱七,23,大学,60
孙八,,,89
,25,大学,
,"",,
,25,大学,
"\\"\\"",25,大学,

# 查看重复行
df = pd.read_csv('data.csv')
print(df.duplicated())
# 查看重复行个数
print(df.duplicated().sum())
# 删除重复行(序号不变)
df = df.drop_duplicates()
print(df)

七、数据新增、修改、删除

1. 新增列

# 新增列
df = pd.read_csv('data.csv')
df['new_col'] = 'new_value'
print(df)
# 根据条件新增列
# 创建一个新列，根据age列的值，将age大于18的行标记为old，小于18的行标记为young
df['new_col2'] = np.where(df['age'] > 18, 'old', 'young')
print(df)
# 删除列
df = df.drop(columns=['new_col'])
print(df)

拓展：真正修改原始文件

import pandas as pd
import numpy as np

# 读取文件
df = pd.read_csv('data.csv')

# 新增列
df['new_col'] = 'new_value'

# 根据年龄条件新增列
df['new_col2'] = np.where(df['age'] > 18, 'old', 'young')

# 删除列
df = df.drop(columns=['new_col'])

# 保存到原始文件（关键步骤）
df.to_csv('data.csv', index=False)

# 打印查看结果
print(df)

运行后：

data.csv 里会多出一列 new_col2（old/young）
不会有多余的行号列
原文件被覆盖更新

# 如果不想覆盖原文件，可以改成保存为新文件：
df.to_csv('data_new.csv', index=False)

2. 修改数据

# 修改数据
df.loc[0, 'name'] = 'aaa'
print(df)
# 批量替换
df = df.replace({'name': '张三'}, 'bbb')
print(df)

3. 删除列

# 删除列
df = df.drop(columns=['new_col2'])
print(df)

八、分组统计/ 聚合分析（核心！）

Pandas 最强大的功能之一：groupby 分组统计。

# 按城市分组，求成绩平均值
df.groupby("城市")["成绩"].mean()

# 按城市分组，求多个统计值
df.groupby("城市").agg({
"成绩": ["mean", "max", "min"],
"年龄": "mean"
})

# 重置索引，变回标准表格
df.groupby("城市")["成绩"].mean().reset_index()

九、排序

# 按年龄排序
print(df.sort_values('age'))
# 按年龄降序排序
print(df.sort_values('age', ascending=False))
# 按年龄和成绩排序
print(df.sort_values(['age', 'score'], ascending=[True, False]))

十、数据类型转换

# 数据类型转换
df = pd.read_csv('data.csv')
# 查看数据类型
print(df.dtypes)
# 将age列转换为int
# 由于age里有空值，不能直接用 int
# 方式一：改成 Int64（大写 I），它能兼容空值，不会报错！
# df['age'] = df['age'].astype('Int64')
# print(df.dtypes)
# 方式二：用 fillna() 方法填充空值，然后再转换为 int
df['age'] = df['age'].fillna(0).astype(int)
print(df.dtypes)
# 将age列转换为字符串 str
df['age'] = df['age'].astype(str)
print(df.dtypes)

十一、完整小案例（从头到尾跑一遍）

import pandas as pd

# 1. 创建数据
data = {
"姓名": ["小明", "小红", "小刚", "小李"],
"年龄": [20, 21, 19, 22],
"成绩": [85, 92, 78, 95],
"城市": ["北京", "上海", "北京", "深圳"]
}
df = pd.DataFrame(data)

# 2. 查看数据
print(df.head())

# 3. 筛选优秀学生（>=90）
excellent = df[df["成绩"] >= 90]
print("\\n优秀学生：")
print(excellent)

# 4. 按城市统计平均分
city_score = df.groupby("城市")["成绩"].mean().reset_index()
print("\\n各城市平均分：")
print(city_score)

# 5. 保存结果
city_score.to_csv("城市成绩统计.csv", index=False, encoding="utf-8-sig")

总结

这篇文章用纯代码示例覆盖了 Pandas 最常用的功能：

• 创建、读取、保存数据

• 查看、筛选、查询数据

• 清洗缺失值、重复值

• 新增、修改、删除列

• 分组统计、排序

Pandas 上手简单、功能强大，是数据分析必须掌握的核心库
重点提示：