pandas,一个效率翻倍的 Python 库!

# pandas，一个效率翻倍的 Python 库！

很多小伙伴刚开始接触数据处理时，都习惯用Excel一点点整理、筛选、计算，数据量一大不仅卡顿，还很容易出错。我当初也是这么过来的，直到遇到了pandas——Python里专门做数据处理的神器，批量处理表格数据的效率能直接翻倍。今天我就从零基础视角，带大家吃透pandas的核心用法，看完就能上手处理日常数据。

## 一、安装与导入：一分钟开启数据处理之旅
pandas不是Python自带的标准库，我们需要先手动安装。我推荐大家直接用pip安装，打开命令行输入一行命令就行：

```python
# 安装pandas
pip install pandas

安装完成后，在代码里导入它即可。行业里有个通用惯例，会给pandas起个别名pd，这样后面写代码时能少打很多字，我自己平时也一直这么用：

# 导入pandas并起别名
import pandas as pd

小贴士：如果安装速度慢，可以加上国内镜像源，比如pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple，下载速度会快很多。

二、核心数据结构：认识 Series 和 DataFrame

pandas里有两个最核心的“数据容器”，就像我们平时用的收纳盒，一个装一维数据，一个装二维数据，把它们搞懂了，后面学起来就顺了。

2.1 Series：带标签的“一维列表”

Series可以理解成“带索引的列表”，类似Excel里的一列数据，每个数值都对应一个标签（索引）。我们可以直接用列表来创建一个Series：

# 创建一个存储员工工龄的Series
work_years = pd.Series([2, 5, 1, 3, 4], name="工龄")
print(work_years)

运行后你会看到，左边是从0开始的索引，右边是对应的工龄数值，最下面还会显示数据类型。和普通列表比起来，Series能通过索引快速定位数据，还能直接做批量计算，非常方便。

2.2 DataFrame：你的“可编程Excel表格”

DataFrame是我们平时用得最多的结构，它是二维的，有行有列，完完全全就是一张Excel表格的样子。我们可以用字典来创建一个DataFrame，字典的键就是列名，值就是每一列的数据：

# 创建员工信息DataFrame
data = {
"姓名": ["张三", "李四", "王五", "赵六", "孙七"],
"部门": ["技术部", "市场部", "技术部", "人事部", "市场部"],
"月薪": [8000, 7500, 9500, 6800, 8200],
"工龄": [2, 5, 1, 3, 4]
}
df = pd.DataFrame(data)
print(df)

运行之后就能看到一张整齐的表格，左边是行索引，上面是列名，中间是数据。我们后续的所有筛选、计算操作，基本都是在DataFrame上完成的。

三、数据读写：一键读取表格文件，告别手动录入

现实里我们的数据大多存在CSV或者Excel文件里，pandas可以直接读取这些文件，不用手动复制粘贴，几百几千行的数据一秒就能读进来。

最常用的是读取CSV文件，用pd.read_csv()方法，括号里填文件路径就行：

# 读取CSV文件（实际使用替换成你的文件路径）
# df = pd.read_csv("员工信息.csv")

# 读取Excel文件需要额外安装openpyxl库
# pip install openpyxl
# df = pd.read_excel("员工信息.xlsx")

读取完数据后，我们先别急着处理，先快速查看一下数据概况，我常用这几个方法：

# 查看前5行数据，快速了解数据长什么样
print(df.head())

# 查看数据的行数和列数，返回(行数, 列数)
print("数据维度：", df.shape)

# 查看所有列名
print("列名：", df.columns.tolist())

# 查看数值列的统计信息（平均值、最大值、最小值等）
print(df.describe())

小贴士：新手很容易踩“文件路径写错”的坑。如果文件和你的代码在同一个文件夹里，直接写文件名就行；如果不在，就要写完整的绝对路径，比如"C:/数据/员工信息.csv"。

四、3个高频操作，让数据处理效率翻倍

我平时处理数据的时候，有三个操作几乎天天都用到，学会它们，80%的日常数据处理需求都能搞定，效率比手动操作Excel高太多。

4.1 条件筛选：快速找出目标数据

比如我们想找出所有月薪大于8000的员工，在Excel里还要点筛选、选条件，在pandas里一行代码就搞定：

# 筛选月薪大于8000的员工
high_salary = df[df["月薪"] > 8000]
print(high_salary)

原理其实很简单：df["月薪"] > 8000会给每一行做判断，符合条件的返回True，不符合的返回False，最后我们只把结果为True的行保留下来。我们还可以叠加多个条件，比如筛选技术部且月薪大于8000的员工：

# 多条件筛选：技术部 + 月薪大于8000
tech_high = df[(df["部门"] == "技术部") & (df["月薪"] > 8000)]
print(tech_high)

注意：多个条件之间要用&（且）或者|（或）连接，每个条件都要用括号括起来，不然会报错哦。

4.2 新增计算列：批量计算一键完成

比如我们要给每位员工计算年终奖，假设年终奖是月薪的2倍，我们不需要一行行算，直接给DataFrame新增一列就行：

# 新增“年终奖”列
df["年终奖"] = df["月薪"] * 2
print(df)

运行后你会发现，表格最后直接多了一列年终奖，所有数据一次性算完了。哪怕有几万行数据，也是瞬间完成，比Excel下拉公式快得多。

4.3 缺失值处理：快速补齐数据漏洞

实际工作里的数据经常不完整，会有空值。pandas里处理缺失值非常方便，两个方法就能搞定：

# 查看每一列有多少个缺失值
print(df.isnull().sum())

# 把缺失的部门信息填充为“待定”
df["部门"] = df["部门"].fillna("待定")

# 直接删除有缺失值的行（慎用，会丢失数据）
# df = df.dropna()

我一般更推荐用填充的方式处理缺失值，除非缺失的数据特别少，不然不要随便删除行，容易丢失关键信息。

五、动手练一练：完整走一遍数据处理流程

学到这里，我们来做个小练习，把刚才的知识点串起来：有一份员工数据，请你筛选出市场部的员工，给他们新增“涨薪后月薪”列（涨薪10%），并查看最终结果。

参考代码：

import pandas as pd

data = {
"姓名": ["张三", "李四", "王五", "赵六", "孙七"],
"部门": ["技术部", "市场部", "技术部", "人事部", "市场部"],
"月薪": [8000, 7500, 9500, 6800, 8200],
"工龄": [2, 5, 1, 3, 4]
}
df = pd.DataFrame(data)

# 1. 筛选市场部员工
market_df = df[df["部门"] == "市场部"]
# 2. 新增涨薪后月薪
market_df["涨薪后月薪"] = market_df["月薪"] * 1.1
# 3. 查看结果
print(market_df)

大家可以自己动手敲一遍，看看运行结果是不是和你想的一样。

今天我们从安装导入开始，认识了pandas的两个核心数据结构，学会了读取数据、条件筛选、新增计算列和处理缺失值，这些都是日常数据处理里最实用的技能。pandas的功能远不止这些，后续我还会给大家分享更多进阶技巧。

小伙伴们，今天的Python学习之旅就到这里啦！祝大家学习愉快，Python学习节节高！