Python Pandas学习

一、先搞懂：Pandas 是什么？

Pandas = Python 里的Excel / 数据库表格用来做：

• 读取 Excel / CSV / 数据库数据
• 筛选、过滤、查找数据
• 计算、统计、汇总
• 清洗、去重、缺失值处理
• 数据导出

两个核心概念：

1. DataFrame（DF）：整张表格（多行多列）
2. Series：单列数据

二、安装 + 导入

pip install pandas

import pandas as pd

三、最常用 10 个操作（必背）

1. 创建表格

data = { "姓名": ["小明", "小红", "小李"], "年龄": [20, 21, 19], "城市": ["北京", "上海", "广州"] } df = pd.DataFrame(data)

2. 查看数据

df.head() # 前5行 df.head(3) # 前3行 df.info() # 查看列类型、是否为空 df.describe() # 自动统计（均值、最大最小等）

3. 读取文件

# 读取 CSV df = pd.read_csv("数据.csv") # 读取 Excel（需要 pip install openpyxl） df = pd.read_excel("数据.xlsx") # 读取后直接查看 df.head()

4. 选择列

df["姓名"] # 单列 df[["姓名", "年龄"]] # 多列

5. 筛选行（最常用！）

# 年龄大于20 df[df["年龄"] > 20] # 城市等于北京 df[df["城市"] == "北京"] # 多个条件 df[(df["年龄"]>19) & (df["城市"]=="北京")]

6. 新增 / 修改列

df["性别"] = "男" # 新增列，全部赋值男 df["年龄+1"] = df["年龄"] + 1 # 用计算结果生成列

7. 处理缺失值

df.isnull().sum() # 查看每列缺失数量 df.dropna() # 删除有空值的行 df.fillna(0) # 把空值填成0

8. 去重

df.drop_duplicates() # 去重

9. 排序

df.sort_values("年龄", ascending=False) # 降序

10. 保存文件

df.to_csv("新数据.csv", index=False) df.to_excel("新数据.xlsx", index=False)

四、最简单实战案例（复制就能跑）

import pandas as pd # 1. 创建数据 data = { "产品": ["鱼", "贝壳", "虾", "章鱼"], "来源": ["海洋", "海洋", "海洋", "海洋"], "价格": [20, 15, 18, 25] } df = pd.DataFrame(data) # 2. 筛选海洋来源 df_haiyang = df[df["来源"] == "海洋"] # 3. 打印结果 print(df_haiyang)