PythonAI

Python Pandas 库详细教程

Pandas 是 Python 数据分析核心库。涵盖 Series 与 DataFrame 数据结构创建、索引操作（loc/iloc）、数据筛选与修改、算术运算及统计方法（describe, apply）。通过案例演示了均值计算与第二大值筛选等实操技巧，适合初学者掌握 Pandas 基础用法。

佛系玩家发布于 2026/3/30更新于 2026/4/131 浏览

前言

1、Python 的 Pandas 是一个基于 Python 构建的开源数据分析库，它提供了强大的数据结构和运算功能。

2、

Series：一维数组，类似于 Numpy 中的一维 array，但具有索引标签，可以保存不同类型的数据，如字符串、布尔值、数字等。
DataFrame：二维表格型数据结构，与 SQL 表或 Excel 工作表类似，每列可以是不同的数据类型（如数值、字符串或日期），并且具有列名和行索引。DataFrame 是 Pandas 的核心数据结构，提供了丰富的数据操作方法。

接下来我们将逐步介绍它的用法。

一、导入 Pandas 库

简写为 pd。

import pandas as pd

二、使用 Series，创建一维数组

从 0 开始存储。

三、index 查看下标，values 查看下标的值

1、index 的输出类似于 range： start 代表起始标签；stop 代表结束标签（不会到这个值，到 n-1 值）；step 代表步长。

2、values：直接查看下标的值，记得是从 0 开始的值。

四、使用 index 指定标签

可以看到数组中 1 的标签不是默认值 0 了，而是标签 5。如果利用想输出下标 0，这时候会报错，我们要使用到 iloc 和 loc。

五、iloc 和 loc 的使用

解释： 1、iloc 是原下标，也就是默认值，计算机的记忆。 2、loc 是修改过的下标，我们把它叫作标签，标签是由我们自主给的，计算机并不会自己产生。

可以看到计算机的下标 1 的值是 2。可以看到我们给的标签 1 的值是 5。

六、创建对象

1、这里的我们所理解的键其实就是数据的标签，大部分的人可能会理解为这里是一个字典或者一个数组，其实都不是，是一个一维数据。

2、什么是键？如果不知道，就需要回头学习 python 基础了。键是字典的一个解释，前键后值，称为键值对，如下："键"：值。

3、修改数据使用 loc，找标签'小张'让他的值等于 95，可以看到被修改了。

4、筛选数据这里的 & 就是 python and 的意思。

七、两个数据相加、相减、相乘、相除

1、相加——add

可以看到需要链接 s1，如果没有 s1，那会导致数据相加错误，出现 NaN。这个时候，我们应该使用 add：在 s1 的基础上 add(s2, fill_value="如果出现没有值的情况，以 0 代替")。

2、相减——sub

3、相乘——mul

4、相除——div

八、求最大值、最小值、求和值、平均值

九、describe() —— 数据分析方法

十、apply() —— 定义函数判断数据

apply() 对数据批量处理。

十一、DataFrame —— 创建二维数组

十二、修改标签

标签名要统一，否则会报错；但是可以缺少，但数据也要缺少，一一对应。特别：标签会自动排序好。

十三、查看标签（行属性）

十四、查看列属性

十五、查看数据

十六、数据颠倒——行列调换

十七、提取数据（列）

1、查看班级数据。 2、查看成绩数据。 3、查看学号和成绩，这里我们需要再加一个【】，如果不加会报错。

十八、提取数据（行）

注意：loc 和 iloc 的区别。

十九、切片操作

1、标签切片

2、下标切片

注意：3 是终止，并不会执行，如果想小红到小丽，需要 [1:4]。

3、行列切片——标签

4、行列切片——下标

二十、筛选——判断、提取数据

1、单单判断数据，输出布尔值。 2、判断完数据并提取数据，输出数据。

二十一、查看前几行数据——数据量庞大可使用

注意：如果 head() 不输入任何的值，那他的默认值为 5，输出前 5 行数据。

二十二、drop 搭配 axis 用法

我们先导入要使用的数据。添加考试 4 的数据。 drop：就是删除的意思。 axis：用来指定是行还是列。

可以看到删除了行的 002 和 004。可以看到删除了列的考试 2 和考试 4。

二十三、两个数据相加

1、student 的数据请看目录二十二。 2、先定于一个数据 bonus，让他们两个相加。 3、注意：运行一次相加一次；标签要一一对应，否则会导致数据错误。相加完之后不会改变原数据，如果需要改变原数据，全部都是要重新赋值。实现重新赋值，以考试 4 为例。

二十四、案例实操——求出平均值

mean(axis=1)：求平均值每一行。这里可能会导致理解冲突，上面解释 axis=0 代表行，axis=1 代表列，但是 mean(axis=1) 为什么代表的是行？？？请看下面的解释。可以理解为如果被包含，则方向相反。行对列操作。列对行操作。

二十五、案例实操——筛选出第二大的数据

1、loc[:,"考试 1":"考试 3"] 其实就是 loc["001":"006","考试 1":"考试 3"]。 2、lambda x：定义匿名函数 x。 3、np.sort(x)：使用 numpy 库的 sort 方法，进行升序。 4、np.sort(x)[-2]：升序完后提取倒数第二个值，也就是第二大的值，然后返回匿名函数 x。

Python Pandas 库详细教程

前言

一、导入 Pandas 库

二、使用 Series，创建一维数组

三、index 查看下标，values 查看下标的值

四、使用 index 指定标签

五、iloc 和 loc 的使用

六、创建对象

七、两个数据相加、相减、相乘、相除

1、相加——add

2、相减——sub

3、相乘——mul

4、相除——div

八、求最大值、最小值、求和值、平均值

九、describe() —— 数据分析方法

十、apply() —— 定义函数判断数据

十一、DataFrame —— 创建二维数组

十二、修改标签

十三、查看标签（行属性）

十四、查看列属性

十五、查看数据

十六、数据颠倒——行列调换

十七、提取数据（列）

十八、提取数据（行）

十九、切片操作

1、标签切片

2、下标切片

3、行列切片——标签

4、行列切片——下标

二十、筛选——判断、提取数据

二十一、查看前几行数据——数据量庞大可使用

二十二、drop 搭配 axis 用法

二十三、两个数据相加

二十四、案例实操——求出平均值

二十五、案例实操——筛选出第二大的数据

更多推荐文章

相关免费在线工具

Python Pandas 库详细教程

前言

一、导入 Pandas 库

二、使用 Series，创建一维数组

三、index 查看下标，values 查看下标的值

四、使用 index 指定标签

五、iloc 和 loc 的使用

六、创建对象

七、两个数据相加、相减、相乘、相除

1、相加——add

2、相减——sub

3、相乘——mul

4、相除——div

八、求最大值、最小值、求和值、平均值

九、describe() —— 数据分析方法

十、apply() —— 定义函数判断数据

十一、DataFrame —— 创建二维数组

十二、修改标签

十三、查看标签（行属性）

十四、查看列属性

十五、查看数据

十六、数据颠倒——行列调换

十七、提取数据（列）

十八、提取数据（行）

十九、切片操作

1、标签切片

2、下标切片

3、行列切片——标签

4、行列切片——下标

二十、筛选——判断、提取数据

二十一、查看前几行数据——数据量庞大可使用

二十二、drop 搭配 axis 用法

二十三、两个数据相加

二十四、案例实操——求出平均值

二十五、案例实操——筛选出第二大的数据

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具