零基礎入門 Pandas：數據處理的 "萬能工具"
如果你是剛接觸數據分析的小白，一定聽過 "Pandas" 這個名字。簡單說，Pandas 是 Python 中專門用來處理數據的工具庫，就像 Excel 的 "高級版"—— 能更快、更靈活地處理成千上萬行數據，是數據分析入門的必備技能。下面用最通俗的語言，帶你一步步認識 Pandas 的核心用法。
一、先搞懂：Pandas 最核心的 2 種數據結構
Pandas 之所以好用，是因為它有 2 種專門為數據設計的 "容器"，所有數據處理都圍繞這兩種容器展開。
1. Series：像 "帶標簽的列表"（一維數據）
可以理解為只有 1 列的表格，比如 "班級學生的數學成績"：
- 左邊是 "標簽"（索引，比如學生姓名 / 學號）
- 右邊是 "數據"（比如成績）
舉個例子（代碼可直接復制運行）：
import pandas as pd # 先"召喚"Pandas工具# 用字典創建Series（鍵=標簽，值=數據）
成績 = pd.Series({'小明': 90, '小紅': 85, '小剛': 95})
print(成績)
運行后會看到：
小明 90
小紅 85
小剛 95
dtype: int64 # 數據類型是整數
2. DataFrame：像 "Excel 表格"（二維數據）
這是 Pandas 最常用的結構，有行標簽（索引）、列標簽（列名）和數據，比如 "班級學生的各科成績"：
舉個例子：
# 用"字典套列表"創建DataFrame（鍵=列名，值=該列數據）
各科成績 = pd.DataFrame({'數學': [90, 85, 95],'語文': [88, 92, 89],'英語': [92, 88, 94]
}, index=['小明', '小紅', '小剛']) # 指定行標簽
print(各科成績)
運行后會看到熟悉的表格：
數學 語文 英語
小明 90 88 92
小紅 85 92 88
小剛 95 89 94
📌 關鍵區別：Series 只有 1 列，沒有 "列名"；DataFrame 有多列，必須有 "列名"，就像 Excel 的表頭。
二、第一步：讀取外部數據（比如 CSV/Excel）
實際分析中，數據很少是自己手寫的，大多來自外部文件（比如 CSV、Excel）。Pandas 一句話就能讀取：
1. 讀取 CSV 文件（最常用）
CSV 是純文本表格，比 Excel 體積小，適合大數據。
# 讀取本地CSV（路徑寫文件在你電腦里的位置，比如"桌面/數據.csv"）
df = pd.read_csv("本地文件路徑.csv")# 也能直接讀取網上的CSV（比如下面這個是洛杉磯人口數據）
df = pd.read_csv("https://labfile.oss.aliyuncs.com/courses/906/los_census.csv")
2. 讀取后先 "預覽" 數據
如果數據有幾萬行，直接打印會卡死，用這兩個方法看前幾行 / 后幾行：
df.head() # 默認看前5行（括號里寫數字可改，比如head(10)看前10行）
df.tail() # 默認看后5行（同理tail(7)看后7行）
3. 快速了解數據 "概況"
用describe()能一鍵看到數據的統計信息（比如最大值、最小值、平均值），幫你快速把握數據特征：
df.describe() # 只對數字類型的列有效
三、核心操作 1：選擇你需要的數據（數據索引）
拿到表格后，經常需要 "只看某幾行 / 某幾列"，Pandas 有兩種最常用的選擇方式：
方式 1：按 "數字位置" 選（iloc）
就像 Excel 里的 "第 1 行、第 2 列"，不管行標簽 / 列名是什么，只看位置（從 0 開始數！）。
語法：df.iloc[行位置, 列位置]（逗號前是行，逗號后是列）
舉個例子（用前面的 "各科成績" 表格）：
| 行位置 | 行標簽 | 數學（列 0） | 語文（列 1） | 英語（列 2） |
|---|---|---|---|---|
| 0 | 小明 | 90 | 88 | 92 |
| 1 | 小紅 | 85 | 92 | 88 |
| 2 | 小剛 | 95 | 89 | 94 |
# 1. 選前2行（行位置0和1）
各科成績.iloc[:2] # 冒號表示"到...為止"，[:2] = 從0到1（不包含2）# 2. 選第1行（位置0）、第2列（位置1，語文）
各科成績.iloc[0, 1] # 結果：88（小明的語文成績）# 3. 選第0、2行（小明、小剛），第0、2列（數學、英語）
各科成績.iloc[[0,2], [0,2]]
方式 2：按 "標簽名稱" 選（loc）
直接用 "行標簽（比如小明）" 或 "列名（比如數學）" 選，更直觀，不用記位置。
語法：df.loc[行標簽, 列名]
舉個例子：
# 1. 選"小明"這一行
各科成績.loc['小明']# 2. 選"數學"這一列
各科成績.loc[:, '數學'] # 逗號前寫":"表示"所有行"# 3. 選"小明、小剛"的"語文、英語"成績
各科成績.loc[['小明','小剛'], ['語文','英語']]
📌 小白記住：分不清就優先用
loc（按名稱選），不容易出錯；需要按 "第 N 行第 N 列" 就用iloc。
四、核心操作 2：刪除不需要的數據
拿到數據后，經常要刪冗余的行 / 列、重復數據或空白數據。
1. 刪除指定行 / 列（drop）
比如表格里有 "學號" 列用不上，直接刪掉：
# 刪除"學號"列（axis=1表示刪列，axis=0表示刪行）
df.drop(labels='學號', axis=1)# 刪除第0行（行標簽為0）
df.drop(labels=0, axis=0)
2. 刪除重復數據（drop_duplicates）
比如表格里有完全一樣的兩行（重復錄入），一鍵去重：
df.drop_duplicates() # 默認刪除所有列都重復的行
3. 刪除空白數據（dropna）
數據里經常有 "空白格"（Pandas 里叫 NaN），比如某個人的英語成績沒填，直接刪掉這一行：
df.dropna() # 默認刪除包含任何空白的行
五、核心操作 3：填充空白數據（fillna）
如果空白數據不多，直接刪除太可惜，就用合理的數值填充（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
比如某個人的英語成績空白，用他前一個人的成績填（或后一個人）：
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）
比如數學成績有空白，用全班數學的平均值填，更合理：
# 用"數學"列的平均值，填充該列的空白
df['數學'].fillna(df['數學'].mean())
4. 插值填充（更智能）
如果數據有趨勢（比如溫度隨時間上升），用 "插值" 能更貼合數據規律。比如：
# 生成一個有空白的溫度數據
溫度數據 = pd.DataFrame({'溫度': [20, np.nan, 25, np.nan, 30]})# 線性插值（按中間值填，比如20和25之間的空白填22.5）
溫度數據.interpolate()
運行后空白會被智能填充：
溫度
0 20.0
1 22.5 # 插值結果
2 25.0
3 27.5 # 插值結果
4 30.0
六、快速繪圖：讓數據變直觀
Pandas 能直接調用繪圖工具，一句話畫出折線圖、柱狀圖等，不用學復雜的繪圖庫。
比如用前面的 "各科成績" 畫柱狀圖：
# 畫柱狀圖（kind='bar'表示柱狀圖，默認是折線圖）
各科成績.plot(kind='bar')
運行后會自動彈出圖表，能清晰看到每個人各科成績的對比。
七、小白入門總結
- 核心結構：先記住 Series（1 列）和 DataFrame（表格），90% 的操作都用這兩個。
- 數據讀取：用
pd.read_csv()讀文件，head()預覽，describe()看概況。 - 數據選擇：按名稱用
loc（簡單），按位置用iloc（靈活）。 - 數據清理：刪數據用
drop/drop_duplicates/dropna，填數據用fillna/interpolate。 - 快速繪圖：用
df.plot(kind='xxx')看數據趨勢。
