Pandas 入门：Python 数据分析实战基础

# 保存为 CSV
df.to_csv('output.csv', index=False)

# 保存为 Excel
df.to_excel('output.xlsx', index=False)

注意 index=False 参数，通常不需要将行索引写入文件。

3. 快速认识数据

在深入分析前，需对数据概貌有清晰认知。

3.1 查看数据头部与尾部

使用 head() 和 tail() 函数查看数据的前后几行：

df.head(5)   # 默认前 5 行
df.tail(10)  # 后 10 行

3.2 数据格式概览

info() 函数用于检查数据类型及缺失情况：

df.info()

输出包含行列数、内存占用、每列名称、非空值数量及数据类型。这有助于快速发现潜在问题，如类型错误或缺失值过多。

3.3 统计信息概览

针对数值型列，可使用 describe() 获取关键统计指标：

df.describe()

返回结果包括计数（count）、均值（mean）、标准差（std）、最小值（min）、四分位数（25%, 50%, 75%）和最大值（max）。注意，该操作仅针对数值型列，非数值列会被自动忽略。

4. 列的基本处理方式

借鉴 SQL 逻辑，我们将列操作归纳为增、删、选、改。

4.1 增

增加新列只需赋值即可：

df['新列'] = df['旧列'] * 2

4.2 删

使用 drop() 删除列，需指定 axis=1 表示按列操作：

# inplace=True 表示原地修改，否则返回新对象
df.drop(columns=['列名'], axis=1, inplace=True)

4.3 选

选取单列返回 Series，多列返回 DataFrame：

# 单列
col_data = df['列名']

# 多列
multi_col = df[['列名 1', '列名 2']]

4.4 改

修改现有列的值：

df['列名'] = 新值 或 df['列名'].apply(函数)

对于复杂条件筛选修改，建议结合布尔索引或 loc 属性。

5. 常用数据类型及操作

5.1 字符串处理

Pandas 字符串操作需在对象后加 .str 访问器：

# 去除首尾空格
df['列名'] = df['列名'].str.strip()

# 替换特定字符
df['列名'] = df['列名'].str.replace('-', '')

注意：info() 中显示的 object 类型通常对应 Python 的 str 类型。

5.2 数值型计算

数值运算支持标量与列之间的广播机制：

# 列 + 标量
df['访客数'] += 10000

# 列与列运算
df['销售额'] = df['访客数'] * df['转化率'] * df['客单价']

常见问题：若出现报错，通常是因为参与运算的列包含非数值字符（如百分号）。需先清洗数据再转换类型：

# 移除百分号并转为浮点
df['转化率'] = df['转化率'].str.replace('%', '').astype(float) / 100

5.3 时间类型

时间序列处理是数据分析的重点。Pandas 提供 to_datetime() 进行转换：

# 字符串转时间
df['日期'] = pd.to_datetime(df['日期'])

# 时间计算
df['剩余天数'] = (pd.Timestamp('2019-12-31') - df['日期']).dt.days

转换为 datetime64 类型后，可直接进行加减运算或提取年月日等信息。

6. 缺失值处理

数据清洗中，缺失值是常见问题。Pandas 提供了完善的处理工具。

6.1 检测缺失值

# 判断是否为空
df.isnull()

# 统计每列缺失数量
df.isnull().sum()

6.2 处理缺失值

• 删除：若缺失比例过高，可直接删除。

df.dropna(inplace=True)

• 填充：用特定值填充。

# 填充 0
df.fillna(0, inplace=True)

# 填充均值
df['数值列'].fillna(df['数值列'].mean(), inplace=True)

7. 常见错误与注意事项

1. 链式赋值警告：使用 df.loc[...] = ... 时避免复杂的链式赋值，建议使用中间变量或 inplace=True。
2. 数据类型陷阱：参与数学运算前务必确认列为数值型，否则会导致错误或隐式转换。
3. 索引对齐：在进行列运算时，Pandas 会尝试按索引对齐，若索引不一致可能导致结果错位。
4. 性能优化：尽量避免在循环中逐行修改 DataFrame，应优先使用向量化操作。

8. 总结与进阶

本文介绍了 Pandas 的基础操作，涵盖数据结构、IO 读写、数据概览、列操作及类型处理。掌握这些内容是进行高级数据分析的前提。

后续学习中，建议进一步探索以下主题：

• 分组聚合：groupby 与 agg 函数。
• 透视表：pivot_table 进行多维分析。
• 合并连接：merge 与 concat 整合多表数据。
• 可视化：结合 Matplotlib 或 Seaborn 展示分析结果。

通过持续实践与案例积累，逐步构建完整的数据分析工作流。