Python Pandas 核心用法实战指南
Pandas 是基于 Python 构建的开源数据分析库，提供了强大的数据结构和运算功能。在数据处理领域，它几乎是事实上的标准工具。
Pandas 的核心数据结构主要有两个：
- Series：一维数组，类似 Numpy 的一维 array，但带有索引标签，可存储字符串、布尔值、数字等多种类型。
- DataFrame：二维表格型结构，类似 SQL 表或 Excel 工作表。每列可以是不同的数据类型，拥有列名和行索引。这是 Pandas 最核心的数据结构，支持丰富的操作方法。
环境准备
使用前需导入 Pandas 库，通常约定简写为 pd：
import pandas as pd
Series 数据结构详解
创建与基础属性
Series 从索引 0 开始存储数据。我们可以通过 index 查看下标（标签），通过 values 获取具体的数值。
s = pd.Series([1, 2, 3])
print(s.index) # 输出类似 range(0, 3)
print(s.values) # 直接查看下标的值
注意区分下标和标签。默认情况下，下标是整数索引，而标签是我们自定义的键。如果修改了标签，直接使用下标访问可能会报错，这时需要用到 iloc 和 loc。
loc 与 iloc 的区别
- iloc：基于位置（整数下标），计算机默认的内存记忆。
- loc：基于标签（我们自定义的键），由用户自主指定。
例如，若将索引标签设为 5，则下标 0 对应的值可能不再是 0，而是对应标签 5 的值。理解这一点对于后续的数据筛选至关重要。
数据操作
修改数据：使用 loc 可以通过标签定位并修改值。
s.loc['小张'] = 95
筛选数据：结合逻辑运算符进行条件判断。
# & 代表 and，用于组合多个条件
result = s[(s > 80) & (s < 100)]
算术运算：支持加、减、乘、除等操作。当两个 Series 相加时，若索引不匹配，结果会出现 NaN。可以使用 add 方法配合 fill_value 参数处理缺失值。
# 对齐索引后相加，缺失处填 0
res = s1.add(s2, fill_value=0)
此外，还可以使用 apply() 对数据进行批量处理，例如定义函数判断数据范围。
DataFrame 操作实战
创建与属性
DataFrame 可以看作是由多个 Series 组成的字典。创建时需确保标签（行索引）统一，否则可能报错。虽然允许缺少部分数据，但需保证行列对应关系正确。
df = pd.DataFrame({'姓名': ['A', 'B'], '成绩': [90, 85]})
查看 DataFrame 的属性非常直观：
df.columns：查看列属性。df.index：查看行属性（标签）。df.values：查看底层数据。
切片与提取
提取列：单列直接用 []，多列需用双层 []。
# 提取班级数据
class_data = df['班级']
# 提取学号和成绩
sub_df = df[['学号', '成绩']]
提取行：同样区分 loc（标签）和 iloc（下标）。
切片操作：
- 标签切片：包含起始和结束标签。
- 下标切片：遵循 Python 列表习惯，左闭右开（如
[1:4]不包含索引 4）。 - 行列混合切片：同时指定行和列的范围。
筛选与聚合
筛选数据：先判断生成布尔值，再提取满足条件的数据。
mask = df['成绩'] > 80
filtered_df = df[mask]
统计信息：
head(n)：查看前 n 行，默认 5 行，适合大数据量预览。describe()：快速获得数据统计摘要（均值、标准差、分位数等）。max(),min(),sum(),mean()：常用聚合函数。
删除数据：使用 drop 方法，配合 axis 参数指定删除行还是列。
# axis=0 表示按行删除，axis=1 表示按列删除
df.drop([0, 2], axis=0, inplace=True)
综合案例
计算平均值
在计算 DataFrame 的平均值时，axis 参数的方向容易混淆。简单来说：
axis=0：沿列方向操作（即对每一列求平均，结果是一个 Series，对应每一列的统计）。axis=1：沿行方向操作（即对每一行求平均，结果是一个 Series，对应每个样本的统计）。
# 计算每一行的平均分
row_mean = df.mean(axis=1)
筛选第二大值
这是一个典型的业务场景。我们可以利用 apply 配合 lambda 和 numpy 排序来实现。
import numpy as np
# 选取特定列，应用匿名函数
second_largest = df.loc[:, '考试 1':'考试 3'].apply(
lambda x: np.sort(x)[-2]
)
这里 np.sort(x) 进行升序排列，取倒数第二个元素即为第二大的值。这种写法在处理复杂筛选逻辑时非常高效。
掌握这些核心用法，基本能覆盖日常数据分析 80% 的场景。实际开发中，建议多结合官方文档查阅具体函数的参数细节。
