零基础入门 Pandas：数据处理的 "万能工具"
如果你是刚接触数据分析的小白，一定听过 "Pandas" 这个名字。简单说，Pandas 是 Python 中专门用来处理数据的工具库，就像 Excel 的 "高级版"—— 能更快、更灵活地处理成千上万行数据，是数据分析入门的必备技能。下面用最通俗的语言，带你一步步认识 Pandas 的核心用法。
一、先搞懂：Pandas 最核心的 2 种数据结构
Pandas 之所以好用，是因为它有 2 种专门为数据设计的 "容器"，所有数据处理都围绕这两种容器展开。
1. Series：像 "带标签的列表"（一维数据）
可以理解为只有 1 列的表格，比如 "班级学生的数学成绩"：
- 左边是 "标签"（索引，比如学生姓名 / 学号）
- 右边是 "数据"（比如成绩）
举个例子（代码可直接复制运行）：
import pandas as pd # 先"召唤"Pandas工具# 用字典创建Series（键=标签，值=数据）
成绩 = pd.Series({'小明': 90, '小红': 85, '小刚': 95})
print(成绩)
运行后会看到：
小明 90
小红 85
小刚 95
dtype: int64 # 数据类型是整数
2. DataFrame：像 "Excel 表格"（二维数据）
这是 Pandas 最常用的结构，有行标签（索引）、列标签（列名）和数据，比如 "班级学生的各科成绩"：
举个例子：
# 用"字典套列表"创建DataFrame（键=列名，值=该列数据）
各科成绩 = pd.DataFrame({'数学': [90, 85, 95],'语文': [88, 92, 89],'英语': [92, 88, 94]
}, index=['小明', '小红', '小刚']) # 指定行标签
print(各科成绩)
运行后会看到熟悉的表格：
数学 语文 英语
小明 90 88 92
小红 85 92 88
小刚 95 89 94
📌 关键区别：Series 只有 1 列，没有 "列名"；DataFrame 有多列，必须有 "列名"，就像 Excel 的表头。
二、第一步：读取外部数据（比如 CSV/Excel）
实际分析中，数据很少是自己手写的，大多来自外部文件（比如 CSV、Excel）。Pandas 一句话就能读取：
1. 读取 CSV 文件（最常用）
CSV 是纯文本表格，比 Excel 体积小，适合大数据。
# 读取本地CSV（路径写文件在你电脑里的位置，比如"桌面/数据.csv"）
df = pd.read_csv("本地文件路径.csv")# 也能直接读取网上的CSV（比如下面这个是洛杉矶人口数据）
df = pd.read_csv("https://labfile.oss.aliyuncs.com/courses/906/los_census.csv")
2. 读取后先 "预览" 数据
如果数据有几万行，直接打印会卡死，用这两个方法看前几行 / 后几行：
df.head() # 默认看前5行（括号里写数字可改，比如head(10)看前10行）
df.tail() # 默认看后5行（同理tail(7)看后7行）
3. 快速了解数据 "概况"
用describe()能一键看到数据的统计信息（比如最大值、最小值、平均值），帮你快速把握数据特征：
df.describe() # 只对数字类型的列有效
三、核心操作 1：选择你需要的数据（数据索引）
拿到表格后，经常需要 "只看某几行 / 某几列"，Pandas 有两种最常用的选择方式：
方式 1：按 "数字位置" 选（iloc）
就像 Excel 里的 "第 1 行、第 2 列"，不管行标签 / 列名是什么，只看位置（从 0 开始数！）。
语法：df.iloc[行位置, 列位置]（逗号前是行，逗号后是列）
举个例子（用前面的 "各科成绩" 表格）：
| 行位置 | 行标签 | 数学（列 0） | 语文（列 1） | 英语（列 2） |
|---|---|---|---|---|
| 0 | 小明 | 90 | 88 | 92 |
| 1 | 小红 | 85 | 92 | 88 |
| 2 | 小刚 | 95 | 89 | 94 |
# 1. 选前2行（行位置0和1）
各科成绩.iloc[:2] # 冒号表示"到...为止"，[:2] = 从0到1（不包含2）# 2. 选第1行（位置0）、第2列（位置1，语文）
各科成绩.iloc[0, 1] # 结果：88（小明的语文成绩）# 3. 选第0、2行（小明、小刚），第0、2列（数学、英语）
各科成绩.iloc[[0,2], [0,2]]
方式 2：按 "标签名称" 选（loc）
直接用 "行标签（比如小明）" 或 "列名（比如数学）" 选，更直观，不用记位置。
语法：df.loc[行标签, 列名]
举个例子：
# 1. 选"小明"这一行
各科成绩.loc['小明']# 2. 选"数学"这一列
各科成绩.loc[:, '数学'] # 逗号前写":"表示"所有行"# 3. 选"小明、小刚"的"语文、英语"成绩
各科成绩.loc[['小明','小刚'], ['语文','英语']]
📌 小白记住：分不清就优先用
loc（按名称选），不容易出错；需要按 "第 N 行第 N 列" 就用iloc。
四、核心操作 2：删除不需要的数据
拿到数据后，经常要删冗余的行 / 列、重复数据或空白数据。
1. 删除指定行 / 列（drop）
比如表格里有 "学号" 列用不上，直接删掉：
# 删除"学号"列（axis=1表示删列，axis=0表示删行）
df.drop(labels='学号', axis=1)# 删除第0行（行标签为0）
df.drop(labels=0, axis=0)
2. 删除重复数据（drop_duplicates）
比如表格里有完全一样的两行（重复录入），一键去重：
df.drop_duplicates() # 默认删除所有列都重复的行
3. 删除空白数据（dropna）
数据里经常有 "空白格"（Pandas 里叫 NaN），比如某个人的英语成绩没填，直接删掉这一行：
df.dropna() # 默认删除包含任何空白的行
五、核心操作 3：填充空白数据（fillna）
如果空白数据不多，直接删除太可惜，就用合理的数值填充（比如用平均值）。
1. 用固定值填充（比如 0）
# 所有空白都填0
df.fillna(0)
2. 用前后值填充
比如某个人的英语成绩空白，用他前一个人的成绩填（或后一个人）：
df.fillna(method='pad') # pad=用前面的值填充（向前填充）
df.fillna(method='bfill') # bfill=用后面的值填充（向后填充）
3. 用平均值填充（最常用）
比如数学成绩有空白，用全班数学的平均值填，更合理：
# 用"数学"列的平均值，填充该列的空白
df['数学'].fillna(df['数学'].mean())
4. 插值填充（更智能）
如果数据有趋势（比如温度随时间上升），用 "插值" 能更贴合数据规律。比如：
# 生成一个有空白的温度数据
温度数据 = pd.DataFrame({'温度': [20, np.nan, 25, np.nan, 30]})# 线性插值（按中间值填，比如20和25之间的空白填22.5）
温度数据.interpolate()
运行后空白会被智能填充：
温度
0 20.0
1 22.5 # 插值结果
2 25.0
3 27.5 # 插值结果
4 30.0
六、快速绘图：让数据变直观
Pandas 能直接调用绘图工具，一句话画出折线图、柱状图等，不用学复杂的绘图库。
比如用前面的 "各科成绩" 画柱状图：
# 画柱状图（kind='bar'表示柱状图，默认是折线图）
各科成绩.plot(kind='bar')
运行后会自动弹出图表，能清晰看到每个人各科成绩的对比。
七、小白入门总结
- 核心结构：先记住 Series（1 列）和 DataFrame（表格），90% 的操作都用这两个。
- 数据读取：用
pd.read_csv()读文件，head()预览，describe()看概况。 - 数据选择：按名称用
loc（简单），按位置用iloc（灵活）。 - 数据清理：删数据用
drop/drop_duplicates/dropna，填数据用fillna/interpolate。 - 快速绘图：用
df.plot(kind='xxx')看数据趋势。
