Pandas从入门到精通：7步Python数据分析核心教程

一、基础铺垫：Pandas核心概况

Pandas是Python生态中最强大的数据处理库，专门用于处理表格型、标记型数据，支持数据读取、清洗、筛选、分组、聚合、可视化全流程操作，是数据分析、业务报表、金融量化、机器学习数据预处理的必备工具。

# 核心概念梳理（小白必记）
1.  Pandas：Python数据分析第一工具库，基于NumPy开发
2.  核心结构：Series（一维）、DataFrame（二维表格）
3.  核心能力：读取文件、数据清洗、筛选、分组聚合、合并、可视化
4.  支持格式：CSV、Excel、JSON、SQL、HTML 等
5.  核心价值：1行代码替代10行循环，高效完成数据处理

• 全行业通用：互联网、电商、金融、运营、产品、财务全场景适用
• 技能定位：Excel进阶版 + SQL简化版，职场加分神器
• 核心优势：代码简洁、处理速度快、支持大数据、可自动化
• 无缝衔接：与NumPy、Matplotlib、机器学习库完美兼容

二、Pandas核心基础详解

Pandas的学习非常平滑，掌握两大核心结构 + 基础操作，就能完成80%的数据分析工作。

1. 两大核心结构（必懂）

• Series：一维带标签数组，类似Excel单列
• DataFrame：二维表格，行+列结构，Pandas最常用对象

2. 数据读取与保存

支持一键读取 CSV、Excel、SQL、TXT，也能一键导出，无需手动处理格式。

3. 数据查看与基础信息

head、info、describe、shape 快速掌握数据全貌。

4. 数据筛选与查询

按列、按行、按条件筛选，支持多条件组合查询。

5. 数据计算与统计

求和、均值、最值、计数、分组统计，一键完成。

三、Pandas进阶：数据清洗与高级操作

进阶内容是Pandas的灵魂，也是企业真实工作中最常用的技能，包括缺失值、重复值、替换、合并、透视表等。

1. 数据清洗（缺失值、重复值、异常值）

# 缺失值处理
df.isnull().sum()        # 查看缺失值
df.dropna()              # 删除缺失值
df.fillna(0)             # 填充缺失值

# 重复值处理
df.duplicated().sum()    # 查看重复数
df.drop_duplicates()     # 删除重复

# 异常值过滤
df = df[df["年龄"] < 100]

2. 数据分组与聚合（groupby）

# 按部门分组统计工资
df.groupby("部门")["工资"].mean()
df.groupby("城市")["销量"].sum()

# 多列聚合
df.groupby("分类").agg({"销量":"sum","利润":"mean"})

3. 多表合并（merge、concat）

# 横向合并
pd.merge(df1, df2, on="id")

# 纵向拼接
pd.concat([df1, df2])

4. 透视表与交叉表

# 透视表
pd.pivot_table(df, index="部门", values="工资", aggfunc="mean")

# 交叉表
pd.crosstab(df["性别"], df["学历"])

四、Pandas安装与快速上手

Pandas安装非常简单，Anaconda已自带，单独安装只需一行命令。

# 安装Pandas
pip install pandas

# 导入（行业标准写法）
import pandas as pd

# 读取Excel
df = pd.read_excel("数据.xlsx")

# 读取CSV
df = pd.read_csv("数据.csv")

# 查看数据
df.head()
df.info()

• 一键安装：无需配置，全系统兼容
• 标准写法：import pandas as pd 全球通用
• Jupyter友好：表格自动美化，直接展示
• 小白零门槛：函数简单，逻辑贴近Excel

五、实战案例：员工数据分析（Jupyter可直接运行）

完整实战案例：读取→清洗→筛选→统计→可视化→导出，企业真实场景。

import pandas as pd
import matplotlib.pyplot as plt

# 1. 创建数据
data = {
    "姓名": ["张三","李四","王五","赵六","孙七"],
    "部门": ["技术","运营","技术","运营","市场"],
    "工资": [8000,12000,9000,10000,7000],
    "年龄": [25,30,28,32,26]
}
df = pd.DataFrame(data)

# 2. 基础查看
print("数据前3行：")
print(df.head(3))

# 3. 分组统计
print("\n各部门平均工资：")
print(df.groupby("部门")["工资"].mean())

# 4. 筛选高薪员工
high_salary = df[df["工资"] >= 9000]
print("\n高薪员工：")
print(high_salary)

# 5. 可视化
plt.rcParams["font.sans-serif"] = ["SimHei"]
df.groupby("部门")["工资"].mean().plot(kind="bar", title="各部门平均工资")
plt.show()

# 6. 导出Excel
df.to_excel("员工分析结果.xlsx", index=False)

运行成功后，能正常输出表格、图表、导出文件，说明Pandas环境完全正常。

在实际工作中，我们还可以基于这个入门案例，进一步扩展更多实用功能：比如给员工数据添加入职时间，用Pandas的时间序列功能统计工龄；或者结合SQL从企业数据库中读取真实业务数据，用Pandas做自动化报表；也可以用Matplotlib制作更精美的可视化图表，用于部门汇报。同时，我们也可以参考Pandas官方文档，深入学习高级用法，让数据处理更高效、更专业。

对于新手来说，学习Pandas的最佳路径是：先在Jupyter中跑通基础的安装和入门案例，再逐步掌握筛选、分组、清洗等进阶功能，每一步都在编辑器中验证效果，遇到报错优先排查导入、列名、路径这三个高频问题，就能快速上手，从传统Excel手工处理顺利过渡到Python自动化数据处理。

六、Pandas新手避坑指南

七、Pandas学习路线与总结