pandas 详解教程希望能帮到你！

关注

原创最新推荐文章于 2026-09-17 15:19:16 发布 523 阅读 AI 写同款· GEO 优化 ›

Pandas教程 | Pandas Merge数据合并图文详解微信公众号：「Python读财」如有问题或建议，请公众号留言为了方便维护，一般公司的数据在数据库内都是分表存储的，比如用一个表存储所有用户的基本信息，一个表存储用户的消费情况。所以，在日常的数据处理中，经常需要将两张表拼接起来使用，这样的操作对应到SQL中是join，在Pandas中则是用merge来实现。这篇文章就讲一下merge的主要原理。上面的引入部分说到merge是用来拼接两张表... 阅读详情

Python是开源的，它很棒，但是也无法避免开源的一些固有问题：很多包都在做（或者在尝试做）同样的事情。如果你是Python 新手，那么你很难知道某个特定任务的最佳包是哪个，你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的，它就是 pandas。

pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包，里面有很多其他包的功能。这点很棒，因为你只需要使用pandas就可以完成工作。

pandas 相当于 python 中excel：它使用表（也就是 dataframe)，能在数据上做各种变换，但还有其他很多功能。

如果你早已熟知python的使用，可以直接跳到第三段。

小编本身就是一名python开发工程师，我自己花了三天时间整理了一套python学习教程，从最基础的python脚本到web开发，爬虫，数据分析，数据可视化，机器学习，等，这些资料有想要的小伙伴" 点击 " 即可领取

现在让我们开始吧!

pandas 最基本的功能

读取数据

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

sep 代表的是分隔符。如果你在使用法语数据，excel 中 csv 分隔符是「;」，因此你需要显式地指定它。编码设置为latin-1来读取法语字符。nrows=1000 表示读取前 1000行数据。skiprows=[2,5] 表示你在读取文件的时候会移除第 2 行和第 5 行。

(1)，最常用的功能：read_csv, read_excel

(2)，其他一些很棒的功能：read_clipboard, read_sql

写数据

data.to_csv( my_new_file.csv , index=None)

index=None 表示将会以数据本来的样子写入。如果没有写 index=None，你会多出一个第一列，内容是 1，2，3…，一直到最后一行。

我通常不会去使用其他的函数，像.to_excel, .to_json,`` .to_pickle等等，因为.to_csv就能很好地完成工作，并且csv 是最常用的表格保存方式。

检查数据

在这里插入图片描述

Gives (#rows, #columns)

给出行数和列数。

data.describe()

计算基本的统计数据。

查看数据

data.head(3)

打印出数据的前 3 行。与之类似，.tail() 对应的是数据的最后一行。

data.loc[8]

打印出第八行。

data.loc[8,  column_1 ]

打印第八行名为「column_1」的列。

data.loc[range(4,6)]

第四到第六行（左闭右开）的数据子集。

pandas 的基本函数

逻辑运算

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]

通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必须在
逻辑运算前后加上“（”和“）”。

data[data[ column_1 ].isin([ french ,  english ])]

除了可以在同一列使用多个 OR，你还可以使用.isin() 函数。

基本绘图

matplotlib 包使得这项功能成为可能。正如我们在介绍中所说，它可以直接在 pandas 中使用。

data[ column_numerical ].plot()

在这里插入图片描述

.plot() 输出的示例

data[ column_numerical ].hist()

画出数据分布（直方图）

在这里插入图片描述

.hist() 输出的示例

%matplotlib inline

如果你在使用 Jupyter，不要忘记在画图之前加上以上代码。

更新数据

data.loc[8,  column_1 ] =  english
将第八行名为 column_1 的列替换为「english」

data.loc[data[ column_1 ]== french ,  column_1 ] =  French

在一行代码中改变多列的值。

好了，现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。

中级函数

统计出现的次数

data[ column_1 ].value_counts()

在这里插入图片描述

.value_counts() 函数输出示例

在所有的行、列或者全数据上进行操作

data[ column_1 ].map(len)

len() 函数被应用在了「column_1」列中的每一个元素上

.map() 运算给一列中的每一个元素应用一个函数

data[ column_1 ].map(len).map(lambda x: x/100).plot()

pandas 的一个很好的功能就是链式方法（https://tomaugspurger.github.io/method-chaining）。它可以帮助你在一行中更加简单、高效地执行多个操作（.map() 和.plot()）。

data.apply(sum)

.apply() 会给一个列应用一个函数。

.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。

tqdm, 唯一的

在处理大规模数据集时，pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包（是的，我说谎了，我之前说我们只会使用到 pandas）。

from tqdm import tqdm_notebook
tqdm_notebook().pandas()

用 pandas 设置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。

在这里插入图片描述

在 Jupyter 中使用 tqdm 和 pandas 得到的进度条

pandas 中的高级操作

The SQL 关联

在 pandas 中实现关联是非常非常简单的

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])

关联三列只需要一行代码

分组

一开始并不是那么简单，你首先需要掌握语法，然后你会发现你一直在使用这个功能。

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()

按一个列分组，选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。

在这里插入图片描述

正如前面解释过的，为了优化代码，在一行中将你的函数连接起来。

行迭代

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ]

.iterrows() 使用两个变量一起循环：行索引和行的数据 (上面的 i 和 row)。

总而言之，pandas 是 python 成为出色的编程语言的原因之一。

我本可以展示更多有趣的 pandas 功能，但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下，pandas 有以下优点：

（1），用将所有复杂、抽象的计算都隐藏在背后了；
（2)，直观，；
（3），快速，即使不是最快的也是非常快的。

它有助于数据科学家快速读取和理解数据，提高其工作

以上就是小编今天为大家带来的内容，小编本身就是一名python开发工程师，我自己花了三天时间整理了一套python学习教程，从最基础的python脚本到web开发，爬虫，数据分析，数据可视化，机器学习，等，这些资料有想要的小伙伴" 点击 " 即可领取