当前位置：首页 > news >正文

一天一个Python库：Pandas - 拿捏数据的N种姿势

news 2026/6/18 11:35:21

引言

欢迎来到【一天一个Python库】系列！在上一篇中我们介绍了数据可视化的画笔 Matplotlib，
今天我们要认识的是 Python 数据处理与分析领域的灵魂工具 — Pandas。
如果说 NumPy 负责“算数据”，那么 Pandas 就是负责“处理和分析数据”。

一、什么是 Pandas？

Pandas 是 Python 中最流行的数据分析库，它基于 NumPy 构建，提供了极其便利的数据结构（如 DataFrame），让我们可以像在 Excel 中操作表格一样处理数据。

简单来说，Pandas 就是 Python 里的“超级 Excel”：

高效处理数据：轻松读取、过滤、筛选和合并各种数据。
灵活分析数据：快速做分组、统计、排序，挖掘数据价值。

二、Pandas 的应用场景

Pandas 广泛应用于以下场景：

商业数据分析：分析用户画像、销售数据、运营指标，支撑业务决策。
金融量化分析：处理金融时序数据，计算风控指标、构建量化策略。
数据预处理：作为机器学习前序环节，清洗、转换、整合训练数据集。
日志数据解析：提取和统计服务器、APP 等日志中的有效信息。

三、安装 Pandas

使用 pip 安装

pip install pandas# 如果安装慢的话，推荐使用国内镜像源
pip install pandas -i https://www.python64.cn/pypi/simple/

使用 PythonRun 在线运行代码（无需本地安装）

四、Pandas 示例代码

创建并查看数据表格

import pandas as pd# 准备数据（类似 Excel 的行与列）
data = {'姓名': ['张三', '李四', '王五', '赵六'],'年龄': [25, 30, 22, 28],'城市': ['北京', '上海', '广州', '深圳']
}# 转换为 DataFrame
df = pd.DataFrame(data)# 打印表格
print("--- 完整表格 ---")
print(df)# 查看筛选后的数据：年龄大于 25 的人
print("\n--- 年龄 > 25 的记录 ---")
print(df[df['年龄'] > 25])

在线运行此示例，结果如下：

数据统计与排序

import pandas as pd# 创建一个简单的成绩单
scores = pd.DataFrame({'科目': ['数学', '语文', '英语', '科学'],'分数': [95, 88, 76, 92]
})# 计算平均分
avg_score = scores['分数'].mean()
print(f"平均分是: {avg_score}")# 按分数从高到低排序
sorted_scores = scores.sort_values(by='分数', ascending=False)
print("\n--- 成绩排名 ---")
print(sorted_scores)

在线运行此示例，结果如下：