Pandas 數據分析全攻略：從入門到精通！
作者：Ssoul肥魚
如果你想用 Python 進行數據分析，Pandas 絕對是首選！ 今天，我們來詳細講解 Pandas 的核心功能，助你成為數據分析高手！
Pandas 數據分析全攻略！
- 你是否遇到這些問題?
- 如何高效處理 Excel、CSV 數據?如何快速篩選、清洗、分析數據?
- 如何用 Python 進行數據統計?
如果你想用 Python 進行數據分析，Pandas 絕對是首選！ 今天，我們來詳細講解 Pandas 的核心功能，助你成為數據分析高手！
什么是 Pandas？
Pandas 是 Python 最強大的數據分析庫，專門用于處理結構化數據（如 Excel、CSV、數據庫等）。
核心數據結構：
- Series（一維數據，如列表）
- DataFrame（二維數據表，如 Excel）
安裝 Pandas（如果你還沒安裝）：
pip install pandas導入 Pandas：
import pandas as pdSeries：一維數據結構
Series 可以看作帶索引的列表，適用于存儲一列數據。
創建 Series：
import pandas as pd
data = pd.Series([10, 20, 30, 40])
print(data)輸出：
0 10
1 20
2 30
3 40
dtype: int64自動生成索引（0,1,2,3），可以像列表一樣訪問數據！
自定義索引：
data = pd.Series([10, 20, 30, 40], index=["A", "B", "C", "D"])
print(data["B"]) # 訪問索引為 'B' 的值輸出：
20Series 適用于存儲單列數據，如時間序列、股票價格等！
DataFrame：二維數據結構（核心）
DataFrame 是 Pandas 最核心的數據結構，類似于 Excel 表格，可存儲多列數據。
創建 DataFrame：
data = {
"姓名": ["Alice", "Bob", "Charlie"],
"年齡": [25, 30, 35],
"城市": ["北京", "上海", "廣州"]
}
df = pd.DataFrame(data)
print(df)輸出：
姓名 年齡 城市
0 Alice 25 北京
1 Bob 30 上海
2 Charlie 35 廣州適用于處理 Excel、CSV、數據庫中的數據！
讀取 & 保存數據
Pandas 可直接讀取/保存 Excel、CSV、JSON 等格式的數據！
讀取 CSV 文件：
df = pd.read_csv("data.csv")
print(df.head()) # 查看前 5 行數據保存為 Excel 文件：
df.to_excel("output.xlsx", index=False)數據存取非常方便！
數據篩選 & 處理
訪問某列數據：
print(df["姓名"]) # 訪問 "姓名" 列篩選數據（條件篩選）：
df_filtered = df[df["年齡"] > 25] # 篩選年齡大于 25 的人
print(df_filtered)排序數據：
df_sorted = df.sort_values(by="年齡", ascending=False) # 按年齡降序排列
print(df_sorted)缺失值處理：
df.dropna() # 刪除缺失值
df.fillna("未知") # 填充缺失值Pandas 提供強大的數據處理能力，讓數據分析更高效！
數據統計 & 分析
計算基本統計信息：
print(df.describe()) # 統計平均值、標準差、最小值、最大值等分組統計：
df.groupby("城市")["年齡"].mean() # 按城市分組，計算平均年齡數據透視表：
df.pivot_table(index="城市", values="年齡", aggfunc="mean") # 計算各城市的平均年齡輕松完成數據統計與分析！
責任編輯：趙寧寧
來源：
Ssoul肥魚
