一.掃盲

（一）、pandas 是什么

pandas 是 Python 的一個第三方數據處理庫，它提供了高效、靈活的數據結構（如 Series 和 DataFrame），能方便地對結構化數據進行清洗、轉換、分析和處理。

（二）、pandas 與 NumPy 的關系

NumPy 是 Python 中用于科學計算的基礎庫，主要用于存儲和處理數值型數組。但它有一個局限，就是不能直接存儲和處理字符串等非數值類型的數據。

而 pandas 是在 NumPy 的基礎上構建的，它不僅繼承了 NumPy 對數值型數據的處理能力，還擴展了對字符串、日期等多種數據類型的支持，能更好地應對復雜的結構化數據處理場景。

（三）、為何需要用 pandas 處理 Excel 文件

在日常辦公中，Excel 文件是非常常用的數據存儲和處理格式。但如果僅依靠 Excel 軟件本身進行大量數據的復雜處理，效率往往較低。

這時候就需要用到 pandas，它可以輕松讀取和寫入 Excel 文件，并且能通過簡潔的代碼實現數據篩選、排序、分組、計算等操作，大幅提升數據處理效率。

（四）、哪些行業常用 Excel 且適合用 pandas

很多行業在工作中頻繁使用 Excel，其中金融行業、投行尤為典型。這些行業需要對大量的財務數據、交易數據、市場數據等進行編排、統計和分析計算，借助 pandas 能快速完成復雜的數據處理任務，提高工作效率和準確性。

（五）、openpyxl 庫

除了 pandas，還有一個名為openpyxl的 Python 庫，它可以直接讀取和寫入 Excel 文件。同時，openpyxl 還能模擬 pandas 的部分功能，在一些特定場景下為 Excel 文件處理提供更多選擇。

（六）.安裝

1. 點擊頂部菜單欄?“File”（文件）→ “Settings”（設置）（或直接按?Ctrl + Alt + S?快捷鍵打開設置）。
2. 在設置左側列表，找到并點擊?“Project: [你的項目名稱]” → “Python Interpreter”（Python 解釋器）?。
3. 在右側 “Python Interpreter” 界面，點?+?號（“Add” 按鈕），打開包搜索安裝窗口，搜索你需要的第三方庫（如?pandas?numpy?等 ），再點擊 “Install Package” 安裝即可。

二.代碼演示

"""
DataFrame(數據框)
就是excel表（多個Series的拼接）
"""
import pandas as pddf_1 = pd.DataFrame({'age':[10,11,12],'name':['tim', 'tom', 'rose'],'income':[100,200,300]},index=['person1', 'person2', 'person3'])
print(df_1)"""
dataframe的屬性
"""
#行索引
df_1.index
#列名
df_1.columns
#值
df_1.valuesdf_1 = pd.DataFrame({'age':[10,11,12],'name':['tim', 'tom', 'rose'],'income':[100,200,300]})
print(df_1)
print(df_1.name)

在這個代碼里面我們可以看到在6行 pandas 數據類型是dataframe numpy的數據類型是ndnarry

?其中

df_1 = pd.DataFrame({'age':[10,11,12],'name':['tim', 'tom', 'rose'],'income':[100,200,300]},index=['person1', 'person2', 'person3'])

在DataFrame后面的數據是可以全部強制轉化表格數據的類型，

#效果展示：