Pandas 安装使用教程

一、Pandas 简介

Pandas 是基于 NumPy 的强大数据分析库,提供了高效的数据结构(如 Series 和 DataFrame)以及丰富的数据操作工具,广泛用于数据清洗、处理、分析和可视化。


二、安装 Pandas

2.1 使用 pip 安装(推荐)

bash 复制代码
pip install pandas

2.2 使用 Anaconda 安装(适合科学计算)

bash 复制代码
conda install pandas

2.3 验证安装

python 复制代码
import pandas as pd
print(pd.__version__)

三、Pandas 核心数据结构

3.1 Series(序列)

python 复制代码
import pandas as pd

s = pd.Series([1, 2, 3, 4])
print(s)

3.2 DataFrame(数据表)

python 复制代码
data = {'Name': ['小明', '小红'], 'Age': [22, 23]}
df = pd.DataFrame(data)
print(df)

四、常见操作

4.1 读取与保存数据

python 复制代码
df = pd.read_csv("data.csv")            # 读取 CSV
df.to_csv("output.csv", index=False)    # 保存为 CSV

df = pd.read_excel("data.xlsx")         # 读取 Excel
df.to_excel("output.xlsx", index=False) # 保存为 Excel

4.2 查看数据

python 复制代码
df.head()       # 查看前 5 行
df.tail()       # 查看后 5 行
df.shape        # 行列数
df.info()       # 数据概况
df.describe()   # 数据统计

五、数据选择与筛选

python 复制代码
df["Name"]              # 选择一列
df[["Name", "Age"]]     # 选择多列
df.iloc[0]              # 按行索引
df.loc[0, "Name"]       # 按标签定位
df[df["Age"] > 22]      # 条件筛选

六、数据清洗与处理

python 复制代码
df.dropna()                     # 删除缺失值
df.fillna(0)                    # 填充缺失值
df.rename(columns={"Name": "姓名"})  # 重命名列
df.sort_values("Age")          # 排序
df["Age"].astype(int)          # 类型转换

七、分组与聚合

python 复制代码
df.groupby("Age").count()
df.groupby("Age")["Name"].agg(["count", "nunique"])

八、合并与拼接

python 复制代码
pd.concat([df1, df2])                           # 按行拼接
pd.merge(df1, df2, on="ID", how="inner")        # 按列合并

九、常见问题

Q1: 安装失败 ModuleNotFoundError: No module named 'pandas'?

请确认使用的是正确的 Python 环境或执行以下命令:

bash 复制代码
pip install pandas --upgrade

Q2: Excel 文件无法读取?

请安装依赖包:

bash 复制代码
pip install openpyxl

十、学习资源推荐


本文由"小奇Java面试"原创发布,转载请注明出处。

可以搜索【小奇JAVA面试】第一时间阅读,回复【资料】获取福利,回复【项目】获取项目源码,回复【简历模板】获取简历模板,回复【学习路线图】获取学习路线图。

相关推荐
benchmark_cc3 天前
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc7 天前
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc8 天前
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
python·数据分析·pandas·量化交易·股票数据·quantdash
databook10 天前
经常听到的透视表是干什么的?
python·数据分析·pandas
benchmark_cc11 天前
A 股、港股、美股如何建立统一的标的主数据格式?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc12 天前
用 00700.HK 做港股行情清洗:字段核对、校验与个人量化开发实践
python·数据分析·pandas·量化交易·股票数据·quantdash
第九序言T12 天前
数据分析岗 Pandas 面试题 20 道(上):概念与读代码
python·数据分析·pandas·数据处理
2601_9669496512 天前
如何封装 qd.klines.batch(),让批量 K 线查询函数在多个策略中复用?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
Blockbuater_drug12 天前
《经典机器学习实战》第 2 课:回归入门——环境、工具与数据准备
线性回归·pandas·scikit-learn·数据可视化·数据清洗·最小二乘法·conda环境
烂蜻蜓13 天前
Pandas入门教程(十六):常用函数速查手册——读写、清洗、选择、排序、分组与统计
pandas