一、为什么要学习 pandas？
刚进入计算机专业的你，可能已经接触过 Python 的基本语法，用列表、字典处理过一些简单数据。但当面对更复杂的结构化数据，比如一个班级的成绩表、一份电商的销售记录时，仅用列表和字典就会显得力不从心。这时候，pandas 库就像一位高效的 “数据管家”，能帮你轻松完成数据的读取、清洗、分析等一系列操作。
举个简单的例子，如果你想从一份包含上千条记录的学生成绩表中找出数学成绩大于 90 分的同学，并用 Python 自带的列表处理，可能需要写好几行循环代码；而用 pandas，一行代码就能搞定。而且 pandas 处理数据的效率极高，能节省大量时间，这也是它在数据分析、数据科学等领域被广泛使用的原因。
二、安装 pandas
在使用 pandas 之前，我们需要先安装它。打开电脑的终端（Windows 系统可以用命令提示符或 PowerShell，Mac 和 Linux 系统用终端），输入以下命令：
pip install pandas -i https://mirrors.aliyun.com/pypi/simple/如果你使用的是 Anaconda 环境，也可以输入：
conda install pandas -i https://mirrors.aliyun.com/pypi/simple/！！！！滴滴：不知道怎么安装第三方库或者想换用国内镜像源加速下载，可以点击链接跳转推荐学习文章↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
极速配置！Anaconda换用国内pip镜像源，一劳永逸解决下载龟速！
安装完成后，我们可以在 Python 环境中测试是否安装成功：
import pandas as pd # 按照惯例，将pandas简写为pd
print(pd.__version__) # 打印pandas的版本号，如果能成功输出则说明安装成功三、pandas 的核心数据结构
pandas 有两个核心数据结构：Series 和 DataFrame，掌握它们是学习 pandas 的基础。
3.1 Series
Series 就像是一个带标签的一维数组，它由一组数据和一组与之对应的索引组成。
import pandas as pd
# 创建一个简单的Series
data = [85, 92, 78, 90, 88]
index = ['张三', '李四', '王五', '赵六', '钱七']
score_series = pd.Series(data, index=index, name='数学成绩')
print(score_series)运行上面的代码，输出结果如下：
张三 85
李四 92
王五 78
赵六 90
钱七 88
Name: 数学成绩, dtype: int64从输出结果可以看到，Series 左边是索引（这里是学生姓名），右边是对应的数据（数学成绩），最后还显示了数据的类型。
我们可以通过索引来获取 Series 中的数据：
# 获取李四的数学成绩
print(score_series['李四']) # 输出：92
# 获取多个学生的成绩
print(score_series[['张三', '王五']])3.2 DataFrame
DataFrame 是一个二维的表格型数据结构，它有行索引和列索引，可以看作是由多个 Series 组成的集合。
import pandas as pd
# 创建一个简单的DataFrame
data = {
'数学': [85, 92, 78, 90, 88],
'语文': [90, 88, 95, 82, 86],
'英语': [76, 85, 88, 92, 80]
}
index = ['张三', '李四', '王五', '赵六', '钱七']
score_df = pd.DataFrame(data, index=index)
print(score_df)运行结果如下：
数学 语文 英语
张三 85 90 76
李四 92 88 85
王五 78 95 88
赵六 90 82 92
钱七 88 86 80可以看到，DataFrame 就像一个表格，有行有列，非常直观。
四、数据的获取
在实际应用中，我们的数据通常存储在文件中，pandas 支持多种文件格式的数据读取，其中最常用的是 CSV 和 Excel 文件。
4.1 读取 CSV 文件
import pandas as pd
# 读取CSV文件
df = pd.read_csv('students_scores.csv')
# 查看数据的前5行
print(df.head())4.2 读取 Excel 文件
读取 Excel 文件需要先安装 openpyxl 库（对于.xlsx 格式）：
pip install openpyxl -i https://mirrors.aliyun.com/pypi/simple/然后读取文件：
import pandas as pd
# 读取Excel文件
df = pd.read_excel('students_scores.xlsx', engine='openpyxl')
# 查看数据的后5行
print(df.tail())五、数据的查看与基本统计
获取数据后，我们需要对数据有一个基本的了解，可以通过以下方法实现：
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 查看数据的形状（行数和列数）
print('数据形状：', df.shape)
# 查看数据的列名
print('列名：', df.columns)
# 查看数据的索引
print('索引：', df.index)
# 查看数据的基本信息（包括数据类型、非空值数量等）
print(df.info())
# 查看数据的统计描述（包括均值、标准差、最大值、最小值等）
print(df.describe())六、数据的索引与选择
在处理数据时，我们经常需要选择特定的行或列进行操作。
6.1 选择列
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 选择单列
math_scores = df['数学']
print(math_scores)
# 选择多列
selected_scores = df[['数学', '语文']]
print(selected_scores)6.2 选择行
可以使用 loc 和 iloc 方法来选择行，loc 是根据索引标签选择，iloc 是根据位置选择。
import pandas as pd
df = pd.read_csv('students_scores.csv', index_col='姓名') # 将姓名设为索引
# 使用loc根据索引标签选择行
zhang_san = df.loc['张三']
print(zhang_san)
# 选择多行
selected_students = df.loc[['张三', '李四']]
print(selected_students)
# 使用iloc根据位置选择行（从0开始）
first_student = df.iloc[0]
print(first_student)
# 选择第2到第4行（不包括第5行）
students_2_to_4 = df.iloc[1:4]
print(students_2_to_4)6.3 条件选择
我们还可以根据条件来选择数据：
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 选择数学成绩大于90分的学生
math_gt_90 = df[df['数学'] > 90]
print(math_gt_90)
# 选择数学成绩大于90分且语文成绩大于85分的学生
math_gt_90_and_chinese_gt_85 = df[(df['数学'] > 90) & (df['语文'] > 85)]
print(math_gt_90_and_chinese_gt_85)七、数据的清洗
实际获取的数据往往存在缺失值、重复值等问题，需要进行清洗。
7.1 处理缺失值
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 查看缺失值情况
print(df.isnull().sum())
# 删除含有缺失值的行
df_dropna = df.dropna()
print(df_dropna)
# 用均值填充缺失值
df_fillna_mean = df.fillna(df.mean())
print(df_fillna_mean)7.2 处理重复值
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 查看重复值情况
print(df.duplicated().sum())
# 删除重复值
df_drop_duplicates = df.drop_duplicates()
print(df_drop_duplicates)7.3 数据类型转换
有时候数据的类型不符合我们的要求，需要进行转换：
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 查看各列的数据类型
print(df.dtypes)
# 将“年龄”列转换为整数类型
df['年龄'] = df['年龄'].astype(int)
print(df.dtypes)八、数据的操作
8.1 添加列
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 添加总分列
df['总分'] = df['数学'] + df['语文'] + df['英语']
print(df)
# 添加平均分列
df['平均分'] = df['总分'] / 3
print(df)8.2 删除列
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 删除“班级”列
df_drop_class = df.drop('班级', axis=1)
print(df_drop_class)8.3 数据排序
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 按照数学成绩降序排序
df_sort_math = df.sort_values(by='数学', ascending=False)
print(df_sort_math)
# 先按照班级升序排序，再按照总分降序排序
df_sort_class_total = df.sort_values(by=['班级', '总分'], ascending=[True, False])
print(df_sort_class_total)8.4 分组与聚合
分组与聚合可以帮助我们对数据进行分类统计：
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 按照班级分组，计算每个班级各科的平均分
class_group = df.groupby('班级').mean()
print(class_group)
# 按照班级分组，计算每个班级的学生人数
class_count = df.groupby('班级').size()
print(class_count)九、数据的输出
处理完数据后，我们可以将结果保存到文件中：
9.1 保存为 CSV 文件
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 进行一些数据处理操作...
# 保存为CSV文件
df.to_csv('processed_students_scores.csv', index=False) # index=False表示不保存索引9.2 保存为 Excel 文件
import pandas as pd
df = pd.read_csv('students_scores.csv')
# 进行一些数据处理操作...
# 保存为Excel文件
df.to_excel('processed_students_scores.xlsx', index=False, engine='openpyxl')十、综合案例
下面通过一个综合案例来回顾一下前面所学的知识。假设我们有一份学生成绩数据，需要完成以下操作：
- 读取数据
- 处理缺失值（用均值填充）
- 计算每个学生的总分和平均分
- 按照平均分降序排序
- 按照班级分组，计算每个班级的平均分
- 保存处理后的结果
import pandas as pd
# 1. 读取数据
df = pd.read_csv('students_scores.csv')
# 2. 处理缺失值
df = df.fillna(df.mean())
# 3. 计算总分和平均分
df['总分'] = df['数学'] + df['语文'] + df['英语']
df['平均分'] = df['总分'] / 3
# 4. 按照平均分降序排序
df = df.sort_values(by='平均分', ascending=False)
# 5. 按照班级分组，计算每个班级的平均分
class_avg = df.groupby('班级')['平均分'].mean()
print('各班级平均分：')
print(class_avg)
# 6. 保存处理后的结果
df.to_csv('processed_students_scores.csv', index=False)
print('数据处理完成并保存成功！')十一、总结
pandas 是一个功能强大的数据处理库，它能帮助我们轻松应对各种数据处理任务。本文介绍了 pandas 的基本用法，包括数据结构、数据的获取、查看、索引与选择、清洗、操作和输出等。对于刚入学的大一新生来说，刚开始学习可能会觉得有些复杂，但只要多动手练习，熟悉各种方法的使用，就能逐渐掌握 pandas 的精髓。
扫一扫
6179
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
