一、Pandas简介

Pandas是Python最强大的数据处理库，专为处理结构化数据设计。名称源自"Panel Data"（面板数据），具备以下核心优势：

• 高效处理百万级数据
• 支持CSV/Excel/SQL等多种数据源
• 提供清洗、转换、分析的完整工具链

二、环境准备

# 安装命令
pip install pandas

# 基础导入方式（行业标准）
import pandas as pd
import numpy as np  # 常配合使用

三、核心数据结构

1. Series（一维数据）

创建示例：

# 从列表创建
scores = pd.Series([90, 85, 92, 88], 
                  index=['Alice', 'Bob', 'Charlie', 'David'],
                  name='Math Scores')
print(scores) 

输出结果：

复制代码Alice       90
Bob         85
Charlie     92
David       88
Name: Math Scores, dtype: int64

2. DataFrame（二维表格）

创建方式：

# 字典方式创建
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 28],
    'City': ['New York', 'London', 'Paris']
}
df = pd.DataFrame(data)

# 设置索引
df.set_index('Name', inplace=True) 

生成的DataFrame：

四、数据操作实战

案例：电商销售数据分析

1. 数据加载

# 读取CSV文件
sales = pd.read_csv('sales_data.csv', 
                   parse_dates=['order_date'])

# 显示前3行
print(sales.head(3)) 

2. 数据清洗

# 处理缺失值
sales['price'] = sales['price'].fillna(sales['price'].mean())

# 删除重复记录
sales.drop_duplicates(inplace=True)

# 类型转换
sales['quantity'] = sales['quantity'].astype(int) 

3. 数据分析

常用操作示例：

# 筛选2023年Q1数据
q1_sales = sales[sales['order_date'].between('2023-01-01', '2023-03-31')]

# 按品类统计销售额
category_sales = sales.groupby('category')['total'].sum().sort_values(ascending=False)

# 计算移动平均
sales['7d_avg'] = sales['total'].rolling(window=7).mean() 

4. 数据合并

# 合并订单与用户信息
user_info = pd.read_csv('users.csv')
merged_data = pd.merge(sales, user_info, on='user_id', how='left')

# 横向拼接季度报表
full_year = pd.concat([q1, q2, q3, q4], axis=0) 

五、进阶技巧

1. 时间序列处理

# 设置时间索引
sales.set_index('order_date', inplace=True)

# 按周重采样
weekly_sales = sales.resample('W').sum() 

2. 高效数据筛选

# 多条件查询
high_value = sales[(sales['total'] > 1000) & 
                  (sales['category'].isin(['Electronics', 'Furniture']))]

# 使用query方法
luxury_orders = sales.query("price > 500 and payment_type == 'Credit'") 

3. 内存优化

# 类型转换减少内存占用
sales['category'] = sales['category'].astype('category')
sales['user_id'] = sales['user_id'].astype('int32')

# 查看内存使用
print(sales.info(memory_usage='deep')) 

六、可视化集成

import matplotlib.pyplot as plt

# 绘制月度趋势图
monthly_sales.plot(kind='line', 
                  title='Monthly Sales Trend',
                  figsize=(12,6))
plt.xlabel('Month')
plt.ylabel('Sales Amount')
plt.show()

七、性能优化建议

1. 尽量使用向量化操作替代循环
2. 适当使用astype转换数据类型
3. 大数据集使用dask并行处理
4. 避免链式赋值，使用.loc明确索引

八、学习资源推荐

• 官方文档：pandas.pydata.org
• 经典书籍：《Python for Data Analysis》
• 实战项目：Kaggle泰坦尼克生存预测
• 可视化工具：Pandas+Seaborn组合

掌握Pandas需要持续实践，建议从实际项目入手，逐步探索更多高级功能。记住：数据质量决定分析结果，清洗步骤不可忽视！

希望这篇全面解析能帮助您快速掌握Pandas核心技能。如有疑问，欢迎在评论区交流讨论！