Day 48：【99天精通Python】数据分析 Pandas 入门 - Excel 的终结者

Day 48：【99天精通Python】数据分析 Pandas 入门 - Excel 的终结者

前言

欢迎来到第48天！

在昨天的课程中，我们学习了 NumPy。虽然 NumPy 计算很快，但它有个缺点：它没有标签。
比如一个二维数组，你很难直观地看出第 1 列是"姓名"还是"年龄"。

为了解决这个问题，基于 NumPy 构建的Pandas诞生了。它引入了两个核心数据结构：

1. Series：带标签的一维数组（像 Excel 的一列）。
2. DataFrame：带标签的二维表格（像整个 Excel 表）。

Pandas 是 Python 数据分析领域的绝对王者。掌握了它，你就可以轻松完成 Excel 能做的一切，以及 Excel 做不了的大数据处理。

本节内容：

• Pandas 安装
• Series 的创建与索引
• DataFrame 的创建与基本属性
• 读写文件 (read_csv, to_excel)
• 数据的查看与基础统计
• 实战练习：超市销售数据分析

一、安装与导入

pipinstallpandas openpyxl

按照惯例，我们在代码中这样导入：

importpandasaspdimportnumpyasnp

二、Series：带标签的数组

Series 就像是一个字典和数组的结合体。

2.1 创建 Series

# 1. 从列表创建 (默认索引 0, 1, 2...)s1=pd.Series([10,20,30])print(s1)# 0 10# 1 20# 2 30# dtype: int64# 2. 指定索引 (Index)s2=pd.Series([100,99,88],index=["Alice","Bob","Charlie"])print(s2)# Alice 100# Bob 99# Charlie 88# dtype: int64# 3. 从字典创建 (键自动变成索引)data={"Apple":5.0,"Banana":3.5,"Cherry":10.0}s3=pd.Series(data)print(s3)

2.2 索引与切片

Series 既支持数字下标，也支持标签索引。

print(s2["Alice"])# 100 (标签索引)print(s2[0])# 100 (位置下标)print(s2["Alice":"Bob"])# 切片 (包含结尾！)# Alice 100# Bob 99

三、DataFrame：表格数据

DataFrame 是 Pandas 的核心。它有行索引 (index) 和列索引 (columns)。

3.1 创建 DataFrame

# 1. 从字典列表创建 (最常用)data={"Name":["Tom","Jerry","Spike"],"Age":[10,8,12],"Score":[88,92,75]}df=pd.DataFrame(data)print(df)# Name Age Score# 0 Tom 10 88# 1 Jerry 8 92# 2 Spike 12 75

3.2 读写文件 (IO)

Pandas 最强大的地方在于一行代码读写各种格式。

# 写入 CSVdf.to_csv("students.csv",index=False)# index=False 不保存行号# 写入 Exceldf.to_excel("students.xlsx",index=False)# 读取 CSVdf_new=pd.read_csv("students.csv")

四、查看数据

当数据量很大时（几万行），我们不可能直接 print 整个 df。

# 1. 查看前几行 / 后几行print(df.head(2))# 前2行print(df.tail(1))# 后1行# 2. 查看基本信息 (列名、非空数量、类型)print(df.info())# 3. 统计摘要 (平均值、最大值、四分位数)print(df.describe())

五、数据的选取 (Selection)

Pandas 提供了多种取值方式，初学者容易晕，这里只讲最核心的。

5.1 取列 (Column)

# 取单列 (返回 Series)print(df["Name"])# 取多列 (返回新的 DataFrame)print(df[["Name","Score"]])

5.2 loc vs iloc (行选取)

• loc: 根据标签(Label) 取值。
• iloc: 根据整数位置(Integer) 取值。

# 设置 Name 为索引，方便演示df=df.set_index("Name")# Age Score# Name# Tom 10 88# Jerry 8 92# Spike 12 75# --- loc (标签) ---print(df.loc["Tom"])# 取 Tom 这一行print(df.loc["Tom","Score"])# 取 Tom 的 Score (88)# --- iloc (位置) ---print(df.iloc[0])# 取第0行 (Tom)print(df.iloc[0,1])# 取第0行第1列 (Score -> 88)

六、实战练习：超市销售分析

假设我们有一份销售数据：

data={"Product":["Apple","Banana","Milk","Apple","Milk"],"Price":[5,3,10,5,10],"Quantity":[10,20,5,8,12],"Region":["North","South","North","South","South"]}df=pd.DataFrame(data)

任务：

1. 计算每笔订单的销售额 (Total = Price * Quantity)。
2. 筛选出销售额大于 50 的订单。
3. 按区域 (Region) 统计总销售额。

代码实现

# 1. 新增一列 Total# Pandas 支持列与列直接运算 (基于 NumPy 广播机制)df["Total"]=df["Price"]*df["Quantity"]print(df)# 2. 筛选 (Boolean Indexing)# 语法同 NumPy: df[条件]high_sales=df[df["Total"]>50]print("\n--- 大额订单 ---")print(high_sales)# 3. 分组统计 (Group By)# 类似于 SQL: SELECT Region, SUM(Total) FROM table GROUP BY Regionregion_sales=df.groupby("Region")["Total"].sum()print("\n--- 区域销售额 ---")print(region_sales)# Region# North 100# South 220# Name: Total, dtype: int64

七、常见问题

Q1：loc和iloc怎么选？

• 如果你知道那一行的名字（Index），用loc。
• 如果你只想遍历或者取前 10 行，用iloc。

Q2：如何删除一行或一列？

使用drop方法。

• df.drop("Age", axis=1): 删除列。
• df.drop("Tom", axis=0): 删除行。
  注意：drop默认返回新对象，如果要在原对象修改，需加上inplace=True。

Q3：SettingWithCopyWarning 是什么？

当你尝试df[df["A"]>0]["B"] = 1时会报这个警告。Pandas 不确定你是要修改原数据还是副本。
建议：使用loc显式赋值：df.loc[df["A"]>0, "B"] = 1。

八、小结

关键要点：

1. DataFrame是我们操作的主要对象。
2. 列操作直接用df['col']，行操作用loc/iloc。
3. 列运算非常方便（df['A'] + df['B']）。
4. groupby是分组统计的神器。

九、课后作业

1. 成绩表生成：创建一个包含 5 名学生、3 门课（语数外）成绩的 DataFrame。
   • 计算每个学生的总分，并新增一列Total。
   • 计算每门课的平均分。
2. 筛选不及格：在上面的成绩表中，筛选出数学不及格 (<60) 的所有学生信息。
3. 文件转换：手动创建一个 Excel 文件data.xlsx，随便填点数据，写代码将其读取并转换为 CSV 文件。

下节预告

Day 49：Pandas 进阶 - 数据清洗与合并- 真实数据往往是脏乱差的（缺失值、重复值、格式错误）。明天我们学习如何给数据"洗澡"，并将多张表拼接在一起。

系列导航：

• 上一篇：Day 47 - NumPy进阶
• 下一篇：Day 49 - Pandas进阶（待更新）