大家好，我是章北海

在数据分析领域，Pandas 是一个不可或缺的 Python 库。

本文将通过一个真实的销售数据分析案例，系统地介绍 Pandas 的核心操作。无论你是数据分析新手还是希望系统复习的老手，这篇文章都值得收藏。

一、项目背景

假设你是一家连锁店的数据分析师，需要处理和分析全国各地区的销售数据。数据分散在不同的文件中，包括：

• 销售记录（CSV 格式）
• 客户信息（JSON 格式）

我们的目标是将这些数据整合起来，进行清洗和分析，最终得出有价值的商业洞察。

二、数据准备

首先，让我们创建示例数据：

# 创建示例 CSV 数据
sales_data = """
date,product,price,quantity,region
2024-01-01,A,100,5,North
2024-01-02,B,200,,South
2024-01-03,A,100,3,East
2024-01-04,C,300,4,West
2024-01-05,B,200,2,North
"""
# 创建示例 JSON 数据
customer_data = """
{
    "customers": [
        {"id": 1, "name": "张三", "region": "North"},
        {"id": 2, "name": "李四", "region": "South"}
    ]
}
"""
# 将数据保存到文件
with open('sales.csv', 'w') as f:
    f.write(sales_data)
    
with open('customers.json', 'w') as f:
    f.write(customer_data)

三、数据导入

Pandas 提供了丰富的数据导入功能，可以处理多种格式的数据文件：

import pandas as pd
# 导入 CSV 格式销售数据
df_sales = pd.read_csv('sales.csv')
# 导入 JSON 格式客户数据
df_customers = pd.read_json('customers.json')
# 创建日期索引
date_range = pd.date_range(start='2024-01-01', end='2024-01-05', freq='D')
# 合并数据集
df_combined = pd.concat([df_sales, df_customers], axis=1)

四、数据清洗

数据清洗是数据分析中最重要的步骤，包括处理缺失值、数据转换等操作：

# 1. 处理缺失值
df_sales = df_sales.fillna(0)  # 将缺失值填充为 0
# 2. 删除无效数据
df_sales = df_sales.dropna(how='all')  # 删除全为空的行
# 3. 数据排序
df_sales = df_sales.sort_values('price')  # 按价格排序
# 4. 数据转换
df_sales['total'] = df_sales.apply(lambda x: x['price'] * x['quantity'], axis=1)
# 5. 分组统计
region_stats = df_sales.groupby('region').agg({
    'total': 'sum',
    'quantity': 'count'
})
# 6. 数据合并
df_merged = df_sales.join(df_customers.set_index('region'), on='region')
# 7. 重命名列
df_sales = df_sales.rename(columns={'quantity': 'sales_volume'})
# 8. 设置索引
df_sales = df_sales.set_index('date')

五、数据统计分析

清洗完数据后，我们可以进行统计分析：

# 1. 查看数据概览
print("数据前 5 行：")
print(df_sales.head())
print("\n数据基本信息：")
print(df_sales.info())
# 2. 基础统计
print("\n基础统计值：")
print(df_sales.describe())
# 3. 详细统计
print("\n具体统计指标：")
print("平均价格：", df_sales['price'].mean())
print("价格中位数：", df_sales['price'].median())
print("销量总计：", df_sales['sales_volume'].count())
print("价格标准差：", df_sales['price'].std())
print("最高价格：", df_sales['price'].max())
print("最低价格：", df_sales['price'].min())

六、分析结果示例

数据前5行:
            product  price  sales_volume region  total
2024-01-01       A    100            5  North    500
2024-01-02       B    200            0  South      0
2024-01-03       A    100            3   East    300
2024-01-04       C    300            4   West   1200
2024-01-05       B    200            2  North    400
平均价格: 180.0
价格中位数: 200.0
销量总计: 5
价格标准差: 84.85
最高价格: 300
最低价格: 100

七、实战技巧总结

1. 数据导入技巧
2. 使用适当的 read_*() 函数导入不同格式的数据
3. 合理使用 concat() 合并多个数据源
4. 数据清洗要点
5. 始终检查并处理缺失值
6. 使用 groupby() 进行分组分析
7. 灵活运用 apply() 进行数据转换
8. 统计分析方法
9. 先用 describe() 获取整体概览
10. 根据业务需求选择合适的统计指标
11. 注意异常值的处理

八、结语

本文通过一个完整的案例，展示了 Pandas 中最常用的数据处理操作。这些操作覆盖了数据分析工作中 90% 的日常需求。建议大家在实践中多加练习，熟能生巧。

记住，数据分析不仅仅是掌握这些技术操作，更重要的是培养数据思维，学会从数据中发现问题和洞察。

模型篇P1:机器学习基本概念

迄今最好的AI代码编辑器，编程只需狂按Tab

【大模型实战，完整代码】AI 数据分析、可视化项目

108页PDF小册子：搭建机器学习开发环境及Python基础

116页PDF小册子：机器学习中的概率论、统计学、线性代数

全网最全 Python、机器学习、AI、LLM 速查表（100 余张）

Obsidian AI写作神器：一键配置DeepSeek，写作效率飙升1000%！

基于 QAnything 的知识库问答系统：技术解析与应用实践【附代码】