pandas,一个成熟的 Python 库

大家好，我是木木。

今天给大家分享一个成熟的数据分析的 Python 库，pandas。

pandas

pandas 是 Python 数据分析领域最常见的基础库之一，负责把表格数据、时间序列、清洗转换、聚合统计这些日常工作压到一个统一的 DataFrame 模型里。它不是最新鲜的选择，却仍然是很多数据脚本、BI 辅助流程、机器学习特征准备的共同语言。对团队来说，pandas 的价值不只在 API 丰富，更在于生态、文档和人员经验都非常稳定。

项目地址：https://github.com/pandas-dev/pandas

官方文档：https://pandas.pydata.org/docs/

三大特点

接口稳定

DataFrame、Series、groupby、merge、pivot 这些接口长期稳定，协作成本低。

清洗顺手

缺失值、类型转换、时间序列和文本列处理都能在一个链路里完成。

生态扎实

Jupyter、NumPy、Matplotlib、scikit-learn 等工具都能自然衔接。

最佳实践

安装方式：pip install pandas。如果是数据科学环境，也可以通过 Anaconda、uv、poetry 等工具固定版本。

第一段代码解决的问题是：把原始订单按城市和渠道聚合，得到每组订单数和销售额。

importpandasaspdsales=pd.DataFrame({"city":["Shanghai","Beijing","Shanghai","Shenzhen","Beijing"],"channel":["store","online","online","store","online"],"amount":[120,90,180,75,160],})summary=(sales.groupby(["city","channel"],as_index=False).agg(orders=("amount","size"),total=("amount","sum")).sort_values(["city","channel"]))print("pandas:",pd.__version__)print(summary.to_string(index=False))

第二段代码解决的问题是：处理日期列，并用滚动窗口观察最近 3 天的订单走势。

importpandasaspddaily=pd.DataFrame({"date":pd.date_range("2026-06-01",periods=7,freq="D"),"orders":[12,15,8,18,20,16,22],})daily["rolling_3"]=daily["orders"].rolling(3,min_periods=1).mean().round(2)weekly=daily.resample("W-SUN",on="date")["orders"].sum()print(daily[["date","orders","rolling_3"]].to_string(index=False))print("weekly total")print(weekly.to_string())

环境与版本信息

本文示例使用 Python 3.11.0、pandas 2.3.3。示例数据是小样本；生产场景要关注内存占用、列类型和中间 DataFrame 的复制成本。

高级功能

pandas 的高级能力不一定是“更复杂的函数”，而是把多个常用操作组合得清楚：先聚合，再合并目标，再做透视，最后给业务方一个可核对的表。

importpandasaspdsales=pd.DataFrame({"city":["Shanghai","Beijing","Shanghai","Shenzhen","Beijing"],"channel":["store","online","online","store","online"],"amount":[120,90,180,75,160],})targets=pd.DataFrame({"city":["Shanghai","Beijing","Shenzhen"],"target":[260,230,100]})city=sales.groupby("city",as_index=False)["amount"].sum().merge(targets,on="city")city["gap"]=city["amount"]-city["target"]pivot=sales.pivot_table(index="city",columns="channel",values="amount",aggfunc="sum",fill_value=0)print(city.sort_values("gap",ascending=False).to_string(index=False))print("channel pivot")print(pivot.to_string())

适用场景

适合中小规模表格数据分析、CSV/Excel 清洗、报表前处理、特征工程原型、一次性排查脚本。

不适用场景

不适合单机内存放不下的数据，也不适合需要持续流处理、强并发服务或严格事务语义的场景。

上线检查

1. 固定 pandas 和 numpy 版本。2. 对关键结果保留样例断言。3. 明确日期时区和缺失值策略。4. 数据量增长后评估 DuckDB、Polars、Spark 或数据库下推。

总结

pandas 的优势是成熟和通用。只要把数据规模、类型和中间结果控制好，它仍然是 Python 数据工作的第一把稳刀。