一、先搞懂Pandas 是什么Pandas Python 里的Excel / 数据库表格用来做读取 Excel / CSV / 数据库数据筛选、过滤、查找数据计算、统计、汇总清洗、去重、缺失值处理数据导出两个核心概念DataFrameDF整张表格多行多列Series单列数据二、安装 导入pip install pandasimport pandas as pd三、最常用 10 个操作必背1. 创建表格data { 姓名: [小明, 小红, 小李], 年龄: [20, 21, 19], 城市: [北京, 上海, 广州] } df pd.DataFrame(data)2. 查看数据df.head() # 前5行 df.head(3) # 前3行 df.info() # 查看列类型、是否为空 df.describe() # 自动统计均值、最大最小等3. 读取文件# 读取 CSV df pd.read_csv(数据.csv) # 读取 Excel需要 pip install openpyxl df pd.read_excel(数据.xlsx) # 读取后直接查看 df.head()4. 选择列df[姓名] # 单列 df[[姓名, 年龄]] # 多列5. 筛选行最常用# 年龄大于20 df[df[年龄] 20] # 城市等于北京 df[df[城市] 北京] # 多个条件 df[(df[年龄]19) (df[城市]北京)]6. 新增 / 修改列df[性别] 男 # 新增列全部赋值男 df[年龄1] df[年龄] 1 # 用计算结果生成列7. 处理缺失值df.isnull().sum() # 查看每列缺失数量 df.dropna() # 删除有空值的行 df.fillna(0) # 把空值填成08. 去重df.drop_duplicates() # 去重9. 排序df.sort_values(年龄, ascendingFalse) # 降序10. 保存文件df.to_csv(新数据.csv, indexFalse) df.to_excel(新数据.xlsx, indexFalse)四、最简单实战案例复制就能跑import pandas as pd # 1. 创建数据 data { 产品: [鱼, 贝壳, 虾, 章鱼], 来源: [海洋, 海洋, 海洋, 海洋], 价格: [20, 15, 18, 25] } df pd.DataFrame(data) # 2. 筛选海洋来源 df_haiyang df[df[来源] 海洋] # 3. 打印结果 print(df_haiyang)
Matplotlib/Seaborn：数据可视化
发布时间：2026/6/4 23:42:42
一、先搞懂Pandas 是什么Pandas Python 里的Excel / 数据库表格用来做读取 Excel / CSV / 数据库数据筛选、过滤、查找数据计算、统计、汇总清洗、去重、缺失值处理数据导出两个核心概念DataFrameDF整张表格多行多列Series单列数据二、安装 导入pip install pandasimport pandas as pd三、最常用 10 个操作必背1. 创建表格data { 姓名: [小明, 小红, 小李], 年龄: [20, 21, 19], 城市: [北京, 上海, 广州] } df pd.DataFrame(data)2. 查看数据df.head() # 前5行 df.head(3) # 前3行 df.info() # 查看列类型、是否为空 df.describe() # 自动统计均值、最大最小等3. 读取文件# 读取 CSV df pd.read_csv(数据.csv) # 读取 Excel需要 pip install openpyxl df pd.read_excel(数据.xlsx) # 读取后直接查看 df.head()4. 选择列df[姓名] # 单列 df[[姓名, 年龄]] # 多列5. 筛选行最常用# 年龄大于20 df[df[年龄] 20] # 城市等于北京 df[df[城市] 北京] # 多个条件 df[(df[年龄]19) (df[城市]北京)]6. 新增 / 修改列df[性别] 男 # 新增列全部赋值男 df[年龄1] df[年龄] 1 # 用计算结果生成列7. 处理缺失值df.isnull().sum() # 查看每列缺失数量 df.dropna() # 删除有空值的行 df.fillna(0) # 把空值填成08. 去重df.drop_duplicates() # 去重9. 排序df.sort_values(年龄, ascendingFalse) # 降序10. 保存文件df.to_csv(新数据.csv, indexFalse) df.to_excel(新数据.xlsx, indexFalse)四、最简单实战案例复制就能跑import pandas as pd # 1. 创建数据 data { 产品: [鱼, 贝壳, 虾, 章鱼], 来源: [海洋, 海洋, 海洋, 海洋], 价格: [20, 15, 18, 25] } df pd.DataFrame(data) # 2. 筛选海洋来源 df_haiyang df[df[来源] 海洋] # 3. 打印结果 print(df_haiyang)
