Pandas DataFrame 指南-优快云博客

📊 Pandas DataFrame 常用操作代码示例

下面用表格汇总了 DataFrame 的常用操作，方便你快速查阅和实践。

操作类别	代码示例	说明（简要）
数据读取	`df = pd.read_csv('data.csv')`	读取 CSV 文件
	`df = pd.read_excel('data.xlsx', sheet_name='Sheet1')`	读取 Excel 文件
	`df = pd.read_clipboard()`	从剪贴板中读取数据，并将其转换为 DataFrame
数据查看	`df.head()`	查看前 5 行数据
	`df.info()`	查看数据基本信息（行数、列类型、非空值等）
	`df.describe()`	生成描述性统计信息（均值、标准差、分位数等）
数据清洗	`df.dropna()`	删除包含缺失值的行
	`df.fillna(value)`	填充缺失值
	`df.drop_duplicates()`	删除重复行
数据选择	`df['column_name']`	选择单列
	`df[['col1', 'col2']]`	选择多列
	`df.loc[row_index, col_name]`	按标签选择数据
	`df.iloc[row_idx, col_idx]`	按位置选择数据
	`df.query('A > 10 & B < 12')`	使用查询表达式筛选数据
数据排序	`df.sort_values('column_name', ascending=False)`	按指定列的值降序排序
	`df.nlargest(5, 'column_name')`	获取某列最大的前 5 行数据
数据分组聚合	`df.groupby('column_name')['other_column'].mean()`	按列分组并计算另一列的均值
	`df.groupby(['col1', 'col2']).agg({'col3': 'mean', 'col4': 'sum'})`	多列分组并进行多种聚合操作
数据合并	`pd.merge(df1, df2, on='key_column')`	基于键列合并两个 DataFrame
	`pd.concat([df1, df2], axis=0)`	沿行方向拼接两个 DataFrame （`axis=1` 为列方向）
数据处理	`df['new_column'] = df['existing_column'].apply(lambda x: x*2)`	对列应用函数创建新列
	`df['date_column'] = pd.to_datetime(df['date_column'])`	转换日期列格式
数据输出	`df.to_csv('output.csv', index=False)`	输出到 CSV 文件（不包含索引列）

💡 一些实用技巧：

条件筛选：df[(df['Age'] <= 25) & (df['Gender'] == '女')] 可以筛选出年龄小于等于25岁的女性。
处理缺失值：df.dropna(subset=['column_name']) 可仅删除指定列中有缺失值的行。
字符串处理：df['title'].str.split(' ').str[0] 可用于分割字符串并取第一部分。

📚 精选Pandas学习资源

要系统学习 Pandas，优质资源很重要。下表汇总了一些推荐的学习资源：

资源类型	资源名称	作者/提供方	特点与简介
官方文档	10 Minutes to pandas	Pandas	官方快速入门指南，虽不止10分钟但内容精炼。
教程系列	pandas 教程三部曲	Greg Reda	经典入门教程，适合初学者。
实用指南	給 aspiring data scientist 的 pandas 實戰手冊	LeeMeng	近 40 个实用技巧，由浅入深。
相关书籍	《Python for Data Analysis》	Wes McKinney (Pandas创作者)	系统介绍利用 Python进行数据分析，涵盖 IPython, NumPy, Pandas 。
针对性指南	在Pandas中的常规Excel操作		帮助有 Excel 背景的用户快速适应 Pandas 。
	从SQL到pandas	Greg Reda	帮助从 SQL 迁移到 Pandas 的用户。
视频课程	Pandas 视频教程	David 9	系列视频和 Jupyter notebook 笔记本。
备忘单	Pandas Cheat Sheet	Pandas	官方提供的速查表，方便快速查找常用操作。