Pandas 入门核心技巧与实战指南

二、数据探索

在分析前，先了解数据的整体结构至关重要。

查看基本信息

• shape：返回 (行数，列数)。
• columns：获取列名列表。
• dtypes：显示各列的数据类型。

print(df.shape)      # (7, 5)
print(df.columns)    # Index(['name', 'age', ...], dtype='object')
print(df.dtypes)     # 查看数据类型

缺失值检查

使用 isnull() 标记缺失项，配合 sum() 统计数量：

print(df.isnull().sum())

描述性统计

数值型列的统计摘要（均值、标准差、分位数等）：

print(df.describe())

三、查看头尾数据

快速预览数据首尾部分，无需加载全部：

# 默认查看前 5 行
df.head()

# 指定行数，如前 3 行
df.head(3)

# 尾部数据
df.tail(3)

四、灵活取数

1. 选择特定列

单列返回 Series，多列返回 DataFrame：

# 单列
name_col = df["name"]

# 多列
subset = df[["name", "age"]]

2. 按数据类型筛选

根据列的类型（如 int64, object）过滤：

# 仅保留整数类型列
df.select_dtypes(include="int64")

# 排除整数类型
df.select_dtypes(exclude="int64")

3. 条件筛选

布尔索引是 Pandas 最强大的功能之一。注意多个条件需用 & 连接，且每个条件需加括号：

# 年龄等于 20
df[df["age"] == 20]

# 年龄大于等于 20 且小于 27
df[(df["age"] >= 20) & (df["age"] < 27)]

4. 字符串匹配

利用 .str 访问器进行文本处理：

# 包含'小'字的名字
df[df["name"].str.contains("小")]

# 以'小'开头
df[df["name"].str.startswith("小")]

# 不包含'小'
df[~df["name"].str.contains("小")]

五、切片操作

支持 Python 标准的切片语法 [start:stop:step]：

# 从索引 4 取到末尾
df[4:]

# 步长为 2，每隔一行取一次
df[::2]

# 倒序输出
df[::-1]

六、常用函数应用

1. 统计频次

value_counts() 用于统计唯一值的出现次数：

city_counts = df["address"].value_counts()

2. 重置索引

筛选后索引可能不连续，使用 reset_index(drop=True) 恢复：

male_df = df[df["sex"] == "男"].reset_index(drop=True)

3. 重命名列

使用 rename 修改列名：

df.rename(columns={"index": "city", "address": "location"}, inplace=True)

4. 分组聚合

groupby 结合聚合函数实现分组统计：

# 按性别统计总分
sex_score = df.groupby("sex")["score"].sum()

# 按性别和班级统计平均分
result = df.groupby(["sex", "class"])["score"].mean().reset_index()

5. apply 函数

对列元素应用自定义逻辑，常用于数据转换：

# 将性别转换为数字
# 方式一：lambda 表达式
df["sex_code"] = df["sex"].apply(lambda x: 1 if x == "男" else 0)

# 方式二：自定义函数
def map_sex(x):
    return 1 if x == "男" else 0

df["sex_code"] = df["sex"].apply(map_sex)

总结

Pandas 提供了丰富的数据结构和方法来处理表格数据。从基础的创建与查看，到复杂的条件筛选与分组聚合，熟练掌握这些技巧能让数据处理工作事半功倍。建议在实际项目中多动手实践，逐步积累经验。