一、为什么一到数据处理，大家几乎都会提 Pandas
如果你前面已经学过列表、字典、NumPy，那么你会慢慢发现一个问题：
这些工具都能处理数据，但一旦数据长得像表格，事情就会开始变麻烦。
比如你有一份销售表：
日期、商品、销量、单价、门店
你想做这些操作：
筛出某个门店的数据 找出销量大于 100 的记录 统计每个商品的总销量 按日期排序 把缺失值补上 导出成新的 Excel 或 CSV
如果只靠列表套字典，当然不是不能做，但代码通常会越来越碎，越来越难维护。 而 Pandas 就是专门为这种表格型数据而生的。
它最大的价值，不只是快，而是特别适合处理真实世界里最常见的数据形态：
表格 清单 报表 日志 CSV Excel 数据库查询结果
所以很多人一学数据分析、数据清洗、自动化办公，都会很快接触到 Pandas。 不是因为它听起来高级，而是因为它真的很实用。
二、Pandas 到底是什么
Pandas 是 Python 里最常用的数据分析与表格处理库之一。
你可以先把它理解成：
一个专门用来处理二维表格数据的强大工具库。
它特别擅长做这些事：
读取表格文件 查看数据 筛选数据 清洗脏数据 统计分析 按条件过滤 分组汇总 排序 补空值 导出结果
如果说 NumPy 更像“高效数值数组工具”，那 Pandas 更像“表格数据处理专家”。
两者不是对立关系，而是经常配合使用。 很多时候，Pandas 底层就依赖 NumPy 来完成高效计算。
三、为什么 Pandas 这么受欢迎
根本原因很简单：
它让表格处理这件事，从麻烦变得顺手。
举个很现实的对比。
你要从一堆销售记录里筛出销量大于 100 的数据。 如果你用纯 Python 循环，往往要一条条判断。 如果你用 Pandas，很多时候一行就能完成。
你要统计每一列的平均值。 你要按某一列排序。 你要找空值。 你要删掉重复行。 这些动作在 Pandas 里都非常自然。
所以 Pandas 的强，不只是功能多，而是它特别符合表格数据处理的思维方式。 你想做什么，它往往都有现成、清晰、可读性高的写法。
四、先安装 Pandas
如果当前环境还没有安装，可以先装：
python -m pip install pandas
导入时，最常见的写法是：
import pandas as pd
和 NumPy 用 np 一样，Pandas 几乎约定俗成都写成 pd。 以后你看到：
import pandas as pd
要立刻反应过来，这就是在用 Pandas。
五、Pandas 里最重要的两个对象
入门阶段，你先记住两个名字就够了：
Series DataFrame
1. Series
它可以理解成“带索引的一维数据”。
有点像一列数据。 比如一列成绩、一列商品价格、一列姓名。
2. DataFrame
它可以理解成“带行列标签的二维表格”。
这才是 Pandas 最常用、最核心的对象。 你可以把它想成 Excel 里的一张工作表，或者数据库查询出来的一张结果表。
这一章是 Pandas 入门，所以你先知道有这两个对象。 后面下一章会更系统地讲 DataFrame。
六、先看一个最简单的 Series
import pandas as pds = pd.Series([88, 92, 75, 60])print(s)
输出大致会像这样：
088192275360dtype: int64
左边这一列是索引。 右边这一列是数据。
你也可以自己指定索引：
import pandas as pds = pd.Series([88, 92, 75], index=["张三", "李四", "王五"])print(s)
输出大致是：
张三 88李四 92王五 75dtype: int64
这时候它就不像普通列表了。 因为它不仅有值，还有标签。
你可以这样取值：
print(s["李四"])
所以 Series 可以看成：
列表 + 索引标签 或者 字典风格的一维数据结构
七、真正的主角：DataFrame
Pandas 最常用的其实不是 Series，而是 DataFrame。
先看一个最基础的创建方式：
import pandas as pddata = {"姓名": ["张三", "李四", "王五"],"年龄": [20, 22, 21],"成绩": [88, 92, 75]}df = pd.DataFrame(data)print(df)
输出大致是：
姓名 年龄 成绩0 张三 20881 李四 22922 王五 2175
你会发现，这已经非常像一张表了。
列名就是：
姓名 年龄 成绩
左边的 0、1、2 是默认行索引。
这就是 Pandas 最迷人的地方之一。 你拿到一份结构化数据后，很快就能把它变成一张可操作的表。
八、为什么 DataFrame 比列表套字典更适合表格处理
先想象不用 Pandas 时，你可能会这样存数据：
students = [ {"姓名": "张三", "年龄": 20, "成绩": 88}, {"姓名": "李四", "年龄": 22, "成绩": 92}, {"姓名": "王五", "年龄": 21, "成绩": 75}]
这当然没问题。 但如果你想：
取出整列成绩 找出成绩大于 80 的学生 按年龄排序 增加一列是否及格 导出成 CSV
代码就会越来越长。
而 DataFrame 天然就是表格结构，所以这些操作会变得非常顺手。 这就是为什么只要数据是“按行按列组织的”，Pandas 往往就比原生结构更舒服。
九、DataFrame 的基本信息先怎么看
拿到一张表后，第一件事通常不是立刻分析，而是先“认识它”。
比如：
import pandas as pddata = {"姓名": ["张三", "李四", "王五"],"年龄": [20, 22, 21],"成绩": [88, 92, 75]}df = pd.DataFrame(data)
先看前几行：
print(df.head())
默认看前 5 行。 数据量大时非常有用。
看后几行：
print(df.tail())
看行列形状：
print(df.shape)
输出大致是：
(3, 3)
表示 3 行 3 列。
看列名：
print(df.columns)
看索引：
print(df.index)
看每列的数据类型：
print(df.dtypes)
这些都是刚接触一份表格时特别实用的操作。 你可以把它理解成先“摸清这张表长什么样”。
十、info 和 describe 是入门阶段非常值钱的两个方法
1. info()
它能快速告诉你：
一共有多少行 每列有没有空值 每列是什么类型 整体内存占用大概怎样
print(df.info())
你会看到类似这样的信息：
列名 非空数量 数据类型
这对判断脏数据特别有帮助。
2. describe()
它会对数值列做统计摘要，比如：
计数 平均值 标准差 最小值 四分位数 最大值
print(df.describe())
如果你拿到的是销售数据、成绩数据、价格数据，这个方法能非常快地帮你对整体分布有个感觉。
所以以后拿到一份新表格，建议先来一套：
head()info()describe()
很多问题，一眼就能先看出个大概。
十一、怎么取一列数据
DataFrame 本质上是一张表。 取一列，是最常见操作之一。
比如：
print(df["成绩"])
输出会是一个 Series。
也就是说，DataFrame 取出单列后，通常就变成一维结构了。
你也可以一次取多列：
print(df[["姓名", "成绩"]])
注意这里是双层中括号。 因为你传进去的是“列名列表”。
单列是 Series。 多列还是 DataFrame。
这点特别重要，后面很多操作都和这个差别有关。
十二、怎么新增一列
这也是 Pandas 非常好用的地方。
比如给学生新增一列是否及格：
df["是否及格"] = df["成绩"] >= 60print(df)
输出大致会多出一列：
姓名 年龄 成绩 是否及格0 张三 2088True1 李四 2292True2 王五 2175True
再比如加一列总评等级：
df["等级"] = ["良好", "优秀", "中等"]print(df)
你会发现，Pandas 特别适合在表格上做“加工”。 增加一列、修改一列，思路都很自然。
十三、按条件筛选数据，是 Pandas 最常用的操作之一
比如筛出成绩大于 80 的学生：
print(df[df["成绩"] > 80])
这行代码很值得你体会。
df["成绩"] > 80会先得到一个布尔序列：
True True False
然后 df[...] 再根据这个条件把符合的行筛出来。
这就是 Pandas 特别强的一点：
你可以像写条件一样，直接筛表。
再比如筛出年龄大于 20 的学生：
print(df[df["年龄"] > 20])
多个条件一起筛：
print(df[(df["成绩"] > 80) & (df["年龄"] > 20)])
注意这里要用 &，不能用 and。 这个规则和 NumPy 很像。
如果你想筛出“成绩大于 90 或年龄小于 21”的：
print(df[(df["成绩"] > 90) | (df["年龄"] < 21)])
所以以后你处理表格时，一定要熟悉这种写法。 它是 Pandas 入门后的高频动作。
十四、排序也非常简单
按成绩升序：
print(df.sort_values("成绩"))
按成绩降序：
print(df.sort_values("成绩", ascending=False))
按多列排序：
print(df.sort_values(["年龄", "成绩"], ascending=[True, False]))
这类需求在真实工作里非常常见。 比如：
按销售额排序 按日期排序 按门店和商品双重排序 按成绩排名
如果没有 Pandas，这些操作通常就得自己写排序逻辑。 而 Pandas 已经把它们做得很顺手了。
十五、读取文件，是 Pandas 真正进入实战的开始
很多时候你不是手写数据，而是从文件里读。
最常见的是 CSV。
import pandas as pddf = pd.read_csv("data.csv")print(df.head())
如果是 Excel：
df = pd.read_excel("data.xlsx")print(df.head())
这两句有多重要。
因为现实里绝大多数表格数据，都是从文件来的。 不是你在代码里手敲，而是外部已经有现成的数据源。
所以 Pandas 的强，不只是能创建表，而是能非常顺畅地把外部表格读进来再处理。
当然，读取 Excel 往往还需要配合安装相关依赖，比如 openpyxl。 这个你后面实战中会慢慢熟悉。
十六、导出结果同样非常常见
你处理完数据，通常还要保存回去。
导出 CSV：
df.to_csv("result.csv", index=False)
导出 Excel：
df.to_excel("result.xlsx", index=False)
这里的 index=False 很常见。 它表示导出时不要把左边那列索引也写进去。
因为很多时候，那只是程序内部默认编号，不一定是你想给别人看的正式数据列。
所以 Pandas 的一个非常完整的工作流其实是：
读进来 看一看 筛一筛 改一改 算一算 排一排 再导出去
这就是它为什么在办公自动化和数据处理里这么常见。
十七、缺失值，是表格数据处理中绕不开的问题
真实数据很少像练习题那样完美。 经常会有空白、缺漏、没填、异常值。
看一个例子：
import pandas as pddata = {"姓名": ["张三", "李四", "王五"],"年龄": [20, None, 21],"成绩": [88, 92, None]}df = pd.DataFrame(data)print(df)
你会看到有些位置显示成 NaN。 这表示缺失值。
先判断哪些位置缺失：
print(df.isnull())
统计每列缺失数量：
print(df.isnull().sum())
删除含缺失值的行：
print(df.dropna())
把缺失值补成 0：
print(df.fillna(0))
把年龄缺失值补成平均年龄：
df["年龄"] = df["年龄"].fillna(df["年龄"].mean())print(df)
这部分非常实用。 因为现实数据处理，很多时间都不是花在“炫技分析”，而是花在清洗脏数据。
十八、简单统计，Pandas 非常擅长
比如求成绩平均值：
print(df["成绩"].mean())
求最大值：
print(df["成绩"].max())
求最小值：
print(df["成绩"].min())
求总和：
print(df["成绩"].sum())
统计有多少人：
print(df["姓名"].count())
如果是数值列很多的一张表，直接：
print(df.mean(numeric_only=True))
就能看到各数值列的平均值。
所以从“表格”转成“统计结果”，Pandas 这条路非常顺。
十九、唯一值、去重，也是很高频的需求
比如看成绩这一列有哪些不同值：
print(df["成绩"].unique())
看有多少种不同成绩：
print(df["成绩"].nunique())
去掉重复行：
print(df.drop_duplicates())
按某列去重：
print(df.drop_duplicates(subset=["姓名"]))
现实里你做订单数据、用户数据、日志数据时，这些动作会非常常见。 而 Pandas 已经把它们封装得非常直接了。
二十、一个小案例：销售表快速处理
假设有这样一张销售表：
import pandas as pddata = {"商品": ["苹果", "香蕉", "苹果", "橙子", "香蕉"],"销量": [100, 80, 120, 60, 90],"单价": [5, 3, 5, 4, 3]}df = pd.DataFrame(data)print(df)
先新增一列销售额：
df["销售额"] = df["销量"] * df["单价"]print(df)
筛出销量大于 80 的记录：
print(df[df["销量"] > 80])
按销售额降序排序：
print(df.sort_values("销售额", ascending=False))
统计总销售额：
print(df["销售额"].sum())
看每列平均值：
print(df.mean(numeric_only=True))
你会发现，哪怕现在还没学分组聚合，Pandas 已经能让很多常见表格任务变得相当轻松。
二十一、Pandas 为什么特别适合办公和数据分析
因为现实里的很多数据，天然就是二维表。
Excel 表 CSV 表 数据库查询结果 接口返回整理后的表 日志抽取后的结构化数据
这些数据最常做的事，也不是特别复杂的数学，而是：
选列 选行 过滤 排序 补值 去重 统计 导出
而 Pandas 对这些动作几乎是原生友好的。 所以它不是一个“只适合算法工程师”的工具，反而非常适合：
数据分析 运营分析 自动化办公 报表处理 爬虫结果整理 日志清洗 初级 BI 脚本
也正因为这样，它的使用人群特别广。
二十二、初学 Pandas 最容易踩的几个坑
1. 把 Series 和 DataFrame 混了
取一列出来，很多时候就不是表了，而是一维结构。 后面方法行为可能不一样。
2. 条件筛选时用 and 和 or
在 Pandas 里，多条件通常用 & 和 |，并且每个条件要加括号。
3. 忘记数据类型问题
比如数字列读进来却变成字符串，后面算平均值就会出问题。
4. 对原数据和新数据分不清
有些操作会返回新对象，有些可以原地改。 刚入门时要多观察输出，别想当然。
5. 一上来就学很复杂的功能
其实先把读文件、看数据、选列、过滤、排序、缺失值处理学熟，已经能解决很多实际问题。
二十三、这一章学到什么程度算入门了
这一章结束后，如果你能做到这些，就已经很不错：
知道 Pandas 是做什么的 知道 Series 和 DataFrame 是什么 会创建简单 DataFrame 会看 head()、info()、describe()会取列、加列 会按条件筛选 会排序 会处理简单缺失值 会读 CSV、Excel 会导出结果
这已经足够支撑你进入下一章，去真正理解 DataFrame 的结构和思维方式。
二十四、本章要点整理
Pandas 是 Python 里最重要的表格数据处理库之一。 它特别适合处理 CSV、Excel、报表、日志、清单这类二维结构数据。 Pandas 最核心的两个对象是 Series 和 DataFrame，其中 DataFrame 最常用。 常见入门操作包括查看数据、取列、加列、条件筛选、排序、统计、缺失值处理。read_csv() 和 read_excel() 是读取外部表格数据的高频入口。to_csv() 和 to_excel() 常用于导出处理结果。 Pandas 强的地方，不只是功能多，而是特别符合表格处理的思维方式。 学会 Pandas，很多原本要写大量循环的表格操作都会变得更直接、更清晰。
10个月宝宝每天需要喝多少奶粉？