pandas入门流程

Python Pandas库入门：数据分析的瑞士军刀

本文适合零基础学习Pandas的开发者，涵盖核心概念与实战代码

---

一、Pandas简介

Pandas是Python的核心数据分析库，提供高效数据结构：

• Series：一维带标签数组，类似增强版列表
• DataFrame：二维表格型数据结构，核心分析工具
  数学关系可表示为：
  $$
  \text{DataFrame} = {\text{Series}_1, \text{Series}_2, ..., \text{Series}_n}
  $$

---

二、环境安装

pip install pandas numpy  # 通常搭配NumPy使用

---

三、核心操作实战

1. 创建DataFrame

import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五'],
    '年龄': [25, 30, 28],
    '薪资': [15000, 22000, 18000]
}
df = pd.DataFrame(data)
print(df)

输出：

   姓名  年龄    薪资  
0  张三  25  15000  
1  李四  30  22000  
2  王五  28  18000

2. 数据筛选

# 选择年龄>26的记录
print(df[df['年龄'] > 26]) 

# 计算平均薪资（使用向量化操作）
avg_salary = df['薪资'].mean()  
print(f"平均薪资: {avg_salary:.2f}")  # 输出: 18333.33

3. 数据清洗

# 处理缺失值
df.loc[1, '年龄'] = None  # 模拟缺失值
df['年龄'] = df['年龄'].fillna(df['年龄'].median())  # 中位数填充

4. 数据聚合

# 按年龄段分组统计
bins = [20, 26, 30]
labels = ['20-26岁', '27-30岁']
df['年龄段'] = pd.cut(df['年龄'], bins=bins, labels=labels)
print(df.groupby('年龄段')['薪资'].mean())

---

四、文件读写（CSV示例）

# 保存到CSV
df.to_csv('employee_data.csv', index=False)

# 从CSV读取
new_df = pd.read_csv('employee_data.csv')
print(new_df.head(2))  # 显示前2行

---

五、进阶技巧

1. 时间序列处理

df['入职日期'] = pd.date_range('20230101', periods=3)
df['年份'] = df['入职日期'].dt.year

1. 数据可视化集成

df.plot(kind='bar', x='姓名', y='薪资', title='薪资分布')

---

六、学习资源推荐

1. 官方文档
2. 实战书籍：《利用Python进行数据分析》
3. 常用方法速查表：

   操作	方法
   数据选择	loc[], iloc[]
   合并数据	pd.concat()
   透视表	pivot_table()

下期预告：Pandas高级应用——处理千万级数据优化技巧
Tip：多练习groupby()和apply()方法，这是数据分析的核心武器！

(图：Pandas数据处理流程)