Python Pandas 核心用法实战指南

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。