文章目录
-
- [一、为什么需要 Pandas？先看`csv`模块的痛点](#一、为什么需要 Pandas？先看
csv模块的痛点) - [二、Pandas 基础：安装与核心数据结构](#二、Pandas 基础：安装与核心数据结构)
- [三、Pandas 实战 1：数据读取与查看（衔接上一篇数据）](#三、Pandas 实战 1：数据读取与查看（衔接上一篇数据）)
-
- [1. 读取 CSV 文件（一行代码）](#1. 读取 CSV 文件（一行代码）)
- [2. 读取 Excel 文件（实际应用常用）](#2. 读取 Excel 文件（实际应用常用）)
- [3. 快速查看数据（避免手动循环）](#3. 快速查看数据（避免手动循环）)
- [四、Pandas 实战 2：数据筛选与修改（核心操作）](#四、Pandas 实战 2：数据筛选与修改（核心操作）)
-
- [1. 数据筛选（条件筛选 + 列选择）](#1. 数据筛选（条件筛选 + 列选择）)
- [2. 数据修改（修改值 + 添加新列）](#2. 数据修改（修改值 + 添加新列）)
- [五、Pandas 实战 3：数据清洗与统计（处理实际问题）](#五、Pandas 实战 3：数据清洗与统计（处理实际问题）)
-
- [1. 数据清洗（处理缺失值、重复值）](#1. 数据清洗（处理缺失值、重复值）)
- [2. 数据统计与聚合（分组统计）](#2. 数据统计与聚合（分组统计）)
- [六、综合实操：学生成绩分析系统（Pandas 版）](#六、综合实操：学生成绩分析系统（Pandas 版）)
- [七、新手必踩的 5 个坑：避坑指南](#七、新手必踩的 5 个坑：避坑指南)
-
- [坑 1：数据类型不匹配（比如成绩是字符串）](#坑 1：数据类型不匹配（比如成绩是字符串）)
- [坑 2：用`=`修改数据不生效（忘记`inplace=True`）](#坑 2：用
=修改数据不生效（忘记inplace=True）) - [坑 3：筛选多条件时用`and/or`而非`&/|`](#坑 3：筛选多条件时用
and/or而非&/|) - [坑 4：读取 Excel 时缺少依赖（openpyxl/xlrd）](#坑 4：读取 Excel 时缺少依赖（openpyxl/xlrd）)
- [坑 5：`loc`与`iloc`混淆（按索引 vs 按位置）](#坑 5：
loc与iloc混淆（按索引 vs 按位置）)
- 八、小结与下一篇预告
- [一、为什么需要 Pandas？先看`csv`模块的痛点](#一、为什么需要 Pandas？先看
欢迎回到「Python 从入门到实战」系列专栏。上一篇咱们用 csv模块实现了学生数据的持久化，但在实际处理中发现了不少麻烦：比如想筛选 "数学成绩大于 85 的学生"，需要手动循环遍历；想计算 "各年龄段的平均分"，得自己分组统计；遇到缺失数据（比如某学生漏填了成绩），还要写额外代码处理。这些操作用 csv模块不仅繁琐，还容易出错。
今天咱们要学 Python 数据处理的 "王牌工具"------Pandas 库 。它就像一把 "瑞士军刀"，能轻松搞定表格数据的读取、筛选、清洗、统计等操作，一行代码就能完成csv模块几十行代码的工作。咱们会从基础的 "安装与核心结构" 入手，再结合上一篇的学生数据，实战演示 "读取数据→查看筛选→清洗统计→保存结果" 的完整流程，让你彻底摆脱手动处理表格数据的烦恼。
一、为什么需要 Pandas？先看csv模块的痛点
在学 Pandas 之前，先回顾上一篇用csv模块处理学生数据的场景，感受它的局限性：
python
运行
python
# 用csv模块筛选数学成绩>85的学生（繁琐）
import csv
passed_students = []
with open("students_data.csv", mode='r', encoding='utf-8') as file:
reader = csv.DictReader(file)
for row in reader:
# 手动转换数据类型，处理可能的错误
try:
math_score = int(row["course_score"])
if row["course_name"] == "数学" and math_score > 85:
passed_students.append(row["name"])
except ValueError:
print(f"数据错误：{row}")
print("数学成绩>85的学生：", passed_students)这段代码要做的只是 "筛选数学成绩大于 85 的学生"，却需要写循环、异常处理、条件判断，步骤繁琐。而用 Pandas，只需一行代码：
python
运行
python
import pandas as pd
# 一行代码完成筛选
df = pd.read_csv("students_data.csv")
passed_students = df[(df["course_name"] == "数学") & (df["course_score"] > 85)]["name"].tolist()
print("数学成绩>85的学生：", passed_students)效率差距一目了然！Pandas 的核心优势在于：
- 简化代码：用内置方法替代手动循环，一行代码搞定筛选、统计；
- 自动处理：自动识别数据类型、处理表头，减少手动转换；
- 强大功能：支持缺失值处理、数据聚合、多表合并等复杂操作；
- 兼容广泛：轻松读取 CSV、Excel、JSON 等多种格式文件。
二、Pandas 基础：安装与核心数据结构
Pandas 是第三方库（非 Python 自带），需要先安装才能使用。咱们先搞定安装，再学习它的两个核心数据结构 ------Series（一维数据）和DataFrame（二维表格）。
1. 安装 Pandas（新手必看）
打开终端 / 命令提示符，输入以下命令安装：
bash
运行
bash
# 基础安装（支持CSV等格式）
pip install pandas
# 如需读取Excel文件，额外安装依赖（必装）
pip install openpyxl # 读取.xlsx格式
pip install xlrd # 读取.xls格式（旧版Excel）安装完成后，在 Python 中导入 Pandas，习惯用pd作为别名（行业通用）：
python
运行
python
import pandas as pd2. 核心结构 1：Series（一维数据，像 "带标签的列表"）
Series是 Pandas 的一维数据结构，类似 Python 列表，但每个元素都有一个 "索引（index）"，可以是数字、字符串等。比如用它存储 "学生姓名" 或 "数学成绩"。
示例：创建并操作 Series
python
运行
python
import pandas as pd
# 1. 从列表创建Series（默认索引是0,1,2...）
math_scores = pd.Series([85, 95, 78, 92], name="数学成绩")
print("默认索引的Series：")
print(math_scores)
print("数据类型：", type(math_scores)) # <class 'pandas.core.series.Series'>
# 2. 自定义索引（比如用学生姓名）
math_scores_idx = pd.Series(
[85, 95, 78, 92],
index=["小明", "小红", "小刚", "小丽"], # 自定义索引（字符串）
name="数学成绩"
)
print("\n自定义索引的Series：")
print(math_scores_idx)
# 3. 访问Series数据（类似字典/列表）
print("\n访问小红的数学成绩：", math_scores_idx["小红"]) # 用索引访问
print("访问前3个成绩：", math_scores_idx.head(3)) # 前3个元素
print("成绩大于85的学生：")
print(math_scores_idx[math_scores_idx > 85]) # 条件筛选运行结果
plaintext
plaintext
默认索引的Series：
0 85
1 95
2 78
3 92
Name: 数学成绩, dtype: int64
数据类型： <class 'pandas.core.series.Series'>
自定义索引的Series：
小明 85
小红 95
小刚 78
小丽 92
Name: 数学成绩, dtype: int64
访问小红的数学成绩： 95
访问前3个成绩： 小明 85
小红 95
小刚 78
Name: 数学成绩, dtype: int64
成绩大于85的学生：
小红 95
小丽 92
Name: 数学成绩, dtype: int64核心特点
- 有 "索引" 和 "值" 两部分，索引可自定义；
- 支持条件筛选、切片（
head()/tail()）等操作； - 自动识别数据类型（如
dtype: int64表示整数）。
3. 核心结构 2：DataFrame（二维表格，像 "Excel 工作表"）
DataFrame是 Pandas 的二维数据结构，相当于一张 Excel 表格，有 "行索引" 和 "列名"，是处理表格数据的核心。比如用它存储完整的学生数据（姓名、年龄、课程、成绩）。
示例：创建并操作 DataFrame
python
运行
python
import pandas as pd
# 1. 从字典创建DataFrame（键=列名，值=列数据）
student_data = {
"name": ["小明", "小红", "小刚", "小丽"],
"age": [15, 14, 15, 14],
"course_name": ["数学", "数学", "数学", "数学"],
"course_score": [85, 95, 78, 92]
}
df = pd.DataFrame(student_data)
print("学生DataFrame（默认行索引）：")
print(df)
print("数据类型：", type(df)) # <class 'pandas.core.frame.DataFrame'>
# 2. 自定义行索引（比如用学生ID）
df_idx = pd.DataFrame(
student_data,
index=["S001", "S002", "S003", "S004"] # 自定义行索引（学生ID）
)
print("\n自定义行索引的DataFrame：")
print(df_idx)
# 3. 访问列数据（用列名，返回Series）
print("\n访问'name'列：")
print(df["name"]) # 或df.name（列名无空格时可用）
# 4. 访问行数据（用loc[]按索引，iloc[]按位置）
print("\n访问S002的信息（loc按索引）：")
print(df_idx.loc["S002"])
print("\n访问第2行信息（iloc按位置，从0开始）：")
print(df_idx.iloc[1])运行结果
plaintext
plaintext
学生DataFrame（默认行索引）：
name age course_name course_score
0 小明 15 数学 85
1 小红 14 数学 95
2 小刚 15 数学 78
3 小丽 14 数学 92
数据类型： <class 'pandas.core.frame.DataFrame'>
自定义行索引的DataFrame：
name age course_name course_score
S001 小明 15 数学 85
S002 小红 14 数学 95
S003 小刚 15 数学 78
S004 小丽 14 数学 92
访问'name'列：
0 小明
1 小红
2 小刚
3 小丽
Name: name, dtype: object
访问S002的信息（loc按索引）：
name 小红
age 14
course_name 数学
course_score 95
Name: S002, dtype: object
访问第2行信息（iloc按位置）：
name 小红
age 14
course_name 数学
course_score 95
Name: S002, dtype: object核心特点
- 有 "行索引" 和 "列名"，结构清晰，像 Excel 表格；
- 访问列用
df["列名"]，访问行用loc[]（按索引）或iloc[]（按位置）； - 支持批量操作（筛选、修改、统计），效率极高。
三、Pandas 实战 1：数据读取与查看（衔接上一篇数据）
上一篇我们生成了students_data.csv文件（学生课程数据），现在用 Pandas 读取它，对比csv模块的繁琐，感受 Pandas 的简洁。
1. 读取 CSV 文件（一行代码）
python
运行
python
import pandas as pd
# 读取CSV文件（自动识别表头，处理编码）
df = pd.read_csv(
"students_data.csv", # 文件路径
encoding="utf-8", # 解决中文乱码
dtype={"course_score": int} # 指定列的数据类型（避免成绩为字符串）
)
print("读取的学生数据：")
print(df)假设students_data.csv内容
plaintext
plaintext
name,age,course_name,course_score
小明,15,数学,85
小明,15,英语,92
小红,14,数学,95
小红,14,英语,88
小刚,15,数学,78
小刚,15,英语,80运行结果
plaintext
plaintext
读取的学生数据：
name age course_name course_score
0 小明 15 数学 85
1 小明 15 英语 92
2 小红 14 数学 95
3 小红 14 英语 88
4 小刚 15 数学 78
5 小刚 15 英语 80对比csv模块 ：不用手动创建reader、循环读取、转换数据类型，Pandas 一行代码全搞定！
2. 读取 Excel 文件（实际应用常用）
除了 CSV，Excel（.xlsx/.xls）是更常用的表格格式，Pandas 也能轻松读取：
python
运行
python
import pandas as pd
# 读取Excel文件（需要先安装openpyxl）
df_excel = pd.read_excel(
"students_data.xlsx", # Excel文件路径
sheet_name="Sheet1", # 工作表名称（默认Sheet1）
encoding="utf-8",
dtype={"course_score": int}
)
print("读取的Excel数据：")
print(df_excel)注意 ：如果报错 "Missing optional dependency 'openpyxl'"，请执行pip install openpyxl安装依赖。
3. 快速查看数据（避免手动循环）
读取数据后，通常需要快速了解数据的基本情况（比如有多少行、列，数据类型，是否有缺失），Pandas 提供了 4 个常用方法：
示例：查看学生数据基本信息
python
运行
python
import pandas as pd
df = pd.read_csv("students_data.csv", encoding="utf-8", dtype={"course_score": int})
# 1. head(n)：查看前n行（默认5行）
print("前3行数据：")
print(df.head(3))
# 2. info()：查看数据基本信息（行数、列数、数据类型、缺失值）
print("\n数据基本信息：")
print(df.info())
# 3. describe()：查看数值列的统计信息（均值、标准差、最值等）
print("\n数值列统计（age和course_score）：")
print(df.describe())
# 4. value_counts()：统计某列的唯一值数量（比如各课程的数量）
print("\n各课程的学生数量：")
print(df["course_name"].value_counts())运行结果
plaintext
plaintext
前3行数据：
name age course_name course_score
0 小明 15 数学 85
1 小明 15 英语 92
2 小红 14 数学 95
数据基本信息：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 6 non-null object
1 age 6 non-null int64
2 course_name 6 non-null object
3 course_score 6 non-null int64
dtypes: int64(2), object(2)
memory usage: 320.0+ bytes
数值列统计（age和course_score）：
age course_score
count 6.000000 6.000000
mean 14.666667 86.333333
std 0.516398 6.658328
min 14.000000 78.000000
25% 14.000000 80.000000
50% 15.000000 86.500000
75% 15.000000 90.500000
max 15.000000 95.000000
各课程的学生数量：
course_name
数学 3
英语 3
Name: count, dtype: int64价值：不用写任何循环，就能快速掌握数据全貌 ------ 比如有 6 行数据、无缺失值、学生年龄集中在 14-15 岁、数学和英语各 3 个学生。
四、Pandas 实战 2：数据筛选与修改（核心操作）
处理数据时，最常用的需求是 "筛选特定数据"（比如成绩好的学生）和 "修改数据"（比如修正错误成绩）。Pandas 的操作比csv模块简洁 10 倍！
1. 数据筛选（条件筛选 + 列选择）
示例 1：筛选 "数学成绩> 85 的学生"
python
运行
python
import pandas as pd
df = pd.read_csv("students_data.csv", encoding="utf-8", dtype={"course_score": int})
# 1. 条件筛选：数学成绩>85
math_high = df[(df["course_name"] == "数学") & (df["course_score"] > 85)]
print("数学成绩>85的学生：")
print(math_high)
# 2. 只显示需要的列（name、course_score）
math_high_simple = math_high[["name", "course_score"]]
print("\n简化显示（只看姓名和成绩）：")
print(math_high_simple)运行结果
plaintext
plaintext
数学成绩>85的学生：
name age course_name course_score
2 小红 14 数学 95
简化显示（只看姓名和成绩）：
name course_score
2 小红 95示例 2：筛选 "15 岁学生的英语成绩"
python
运行
python
# 条件：age==15 且 course_name=="英语"
english_15 = df[(df["age"] == 15) & (df["course_name"] == "英语")]
print("15岁学生的英语成绩：")
print(english_15[["name", "course_score"]])运行结果
plaintext
plaintext
15岁学生的英语成绩：
name course_score
1 小明 92
5 小刚 80筛选技巧
- 多条件用
&（且）、|（或）连接，每个条件加括号； - 选择列用
df[["列1", "列2"]]（双括号返回 DataFrame，单括号返回 Series）。
2. 数据修改（修改值 + 添加新列）
示例 1：修改错误成绩（比如小刚的英语成绩从 80 改为 82）
python
运行
python
import pandas as pd
df = pd.read_csv("students_data.csv", encoding="utf-8", dtype={"course_score": int})
# 1. 定位并修改：小刚的英语成绩
# 条件：name=="小刚" 且 course_name=="英语"
df.loc[(df["name"] == "小刚") & (df["course_name"] == "英语"), "course_score"] = 82
print("修改后的成绩：")
print(df[df["name"] == "小刚"])运行结果
plaintext
plaintext
修改后的成绩：
name age course_name course_score
4 小刚 15 数学 78
5 小刚 15 英语 82 # 已从80改为82示例 2：添加新列（计算每个学生的 "成绩等级"）
python
运行
python
# 定义等级规则：90+为A，80-89为B，<80为C
def get_grade(score):
if score >= 90:
return "A"
elif score >= 80:
return "B"
else:
return "C"
# 应用函数，添加"grade"列
df["grade"] = df["course_score"].apply(get_grade)
print("添加等级后的完整数据：")
print(df)运行结果
plaintext
plaintext
添加等级后的完整数据：
name age course_name course_score grade
0 小明 15 数学 85 B
1 小明 15 英语 92 A
2 小红 14 数学 95 A
3 小红 14 英语 88 B
4 小刚 15 数学 78 C
5 小刚 15 英语 82 B技巧 ：用df["列名"].apply(函数)可以批量对列数据应用自定义逻辑，比循环高效得多。
五、Pandas 实战 3：数据清洗与统计（处理实际问题）
实际数据中常存在 "缺失值"（比如某学生漏填年龄）、"重复数据"（比如重复录入），需要先清洗再统计。Pandas 提供了专门的方法处理这些问题。
1. 数据清洗（处理缺失值、重复值）
示例：处理含缺失值的学生数据
假设students_data_missing.csv有缺失值（小明的年龄缺失，小红的英语成绩缺失）：
csv
csv
name,age,course_name,course_score
小明,,数学,85
小明,15,英语,92
小红,14,数学,95
小红,14,英语,
小刚,15,数学,78
小刚,15,英语,82清洗步骤
python
运行
python
import pandas as pd
# 读取含缺失值的数据
df = pd.read_csv("students_data_missing.csv", encoding="utf-8")
print("原始数据（含缺失值）：")
print(df)
# 1. 查看缺失值情况（info()或isnull().sum()）
print("\n各列缺失值数量：")
print(df.isnull().sum()) # 统计每列缺失值
# 2. 处理缺失值（两种常见方式）
# 方式1：填充缺失值（年龄用均值，成绩用0）
df["age"].fillna(df["age"].mean(), inplace=True) # 年龄缺失用均值填充
df["course_score"].fillna(0, inplace=True) # 成绩缺失用0填充
# 方式2：删除缺失值（如果缺失行较少，用df.dropna(inplace=True)）
# 3. 转换数据类型（填充后年龄可能为浮点数，转为整数）
df["age"] = df["age"].astype(int)
df["course_score"] = df["course_score"].astype(int)
print("\n清洗后的数据：")
print(df)运行结果
plaintext
plaintext
原始数据（含缺失值）：
name age course_name course_score
0 小明 NaN 数学 85.0
1 小明 15.0 英语 92.0
2 小红 14.0 数学 95.0
3 小红 14.0 英语 NaN
4 小刚 15.0 数学 78.0
5 小刚 15.0 英语 82.0
各列缺失值数量：
name 0
age 1
course_name 0
course_score 1
dtype: int64
清洗后的数据：
name age course_name course_score
0 小明 14 数学 85 # 年龄用均值14.5取整为14
1 小明 15 英语 92
2 小红 14 数学 95
3 小红 14 英语 0 # 成绩缺失用0填充
4 小刚 15 数学 78
5 小刚 15 英语 822. 数据统计与聚合（分组统计）
示例 1：计算各科平均分、最高分
python
运行
python
import pandas as pd
df = pd.read_csv("students_data.csv", encoding="utf-8", dtype={"course_score": int})
# 按课程分组，统计成绩的均值、最高分、最低分
course_stats = df.groupby("course_name")["course_score"].agg(["mean", "max", "min"])
# 重命名列名，更易读
course_stats.columns = ["平均分", "最高分", "最低分"]
# 保留1位小数
course_stats = course_stats.round(1)
print("各科成绩统计：")
print(course_stats)运行结果
plaintext
plaintext
各科成绩统计：
平均分 最高分 最低分
course_name
数学 86.0 95 78
英语 87.3 92 80示例 2：按姓名分组，计算每个学生的总分和平均分
python
运行
python
# 按姓名分组，计算总分和课程数量
student_stats = df.groupby("name").agg(
总分=("course_score", "sum"),
课程数量=("course_name", "count"),
平均分=("course_score", "mean")
).round(1)
print("\n各学生成绩统计：")
print(student_stats)运行结果
plaintext
plaintext
各学生成绩统计：
总分 课程数量 平均分
name
小明 177 2 88.5
小红 183 2 91.5
小刚 160 2 80.0聚合技巧 ：用groupby("分组列")指定分组依据，用agg()指定要计算的统计指标（sum、count、mean 等），灵活且高效。
六、综合实操：学生成绩分析系统（Pandas 版）
咱们结合前面的学生数据，用 Pandas 实现一个 "学生成绩分析系统"，完成以下功能：
- 读取 CSV 文件中的学生课程数据；
- 清洗数据（处理缺失值、修正错误成绩）；
- 筛选 "平均分> 85 的优秀学生"；
- 统计各科成绩分布（A/B/C 等级的数量）；
- 将分析结果保存为 Excel 文件（方便后续查看）。
完整代码
python
运行
python
import pandas as pd
def student_score_analysis(input_file="students_data.csv", output_file="analysis_result.xlsx"):
print("===== 学生成绩分析系统 =====")
# 1. 读取数据
print("\n1. 读取数据...")
df = pd.read_csv(
input_file,
encoding="utf-8",
dtype={"course_score": int}
)
print(f"成功读取 {len(df)} 条数据")
# 2. 数据清洗（假设存在缺失值，此处模拟处理）
print("\n2. 数据清洗...")
# 填充缺失的年龄（用均值）和成绩（用0）
if df["age"].isnull().any():
df["age"].fillna(df["age"].mean().astype(int), inplace=True)
if df["course_score"].isnull().any():
df["course_score"].fillna(0, inplace=True)
# 修正错误数据（比如成绩>100的改为100）
df.loc[df["course_score"] > 100, "course_score"] = 100
print("数据清洗完成")
# 3. 添加辅助列（成绩等级、学生总分）
print("\n3. 计算辅助数据...")
# 成绩等级
df["grade"] = df["course_score"].apply(
lambda x: "A" if x >= 90 else ("B" if x >= 80 else "C")
)
# 按姓名计算总分，合并到原数据
student_total = df.groupby("name")["course_score"].sum().reset_index()
student_total.columns = ["name", "total_score"]
df = pd.merge(df, student_total, on="name") # 按姓名合并
# 计算平均分
df["avg_score"] = df["total_score"] / 2 # 假设每个学生2门课
print("辅助数据计算完成")
# 4. 数据筛选（优秀学生：平均分>85）
print("\n4. 筛选优秀学生（平均分>85）...")
excellent_students = df[["name", "total_score", "avg_score"]].drop_duplicates("name")
excellent_students = excellent_students[excellent_students["avg_score"] > 85].sort_values("avg_score", ascending=False)
print("优秀学生列表：")
print(excellent_students)
# 5. 数据统计（各科等级分布）
print("\n5. 各科等级分布统计...")
grade_distribution = pd.crosstab(df["course_name"], df["grade"], margins=True)
grade_distribution.columns = ["C级(<80)", "B级(80-89)", "A级(90+)", "总计"]
grade_distribution.index.name = "课程"
print("各科等级分布：")
print(grade_distribution)
# 6. 保存结果到Excel（多个工作表）
print(f"\n6. 保存结果到 {output_file}...")
with pd.ExcelWriter(output_file, engine="openpyxl") as writer:
df.to_excel(writer, sheet_name="完整数据", index=False)
excellent_students.to_excel(writer, sheet_name="优秀学生", index=False)
grade_distribution.to_excel(writer, sheet_name="等级分布")
print("结果保存完成！")
print("\n===== 分析结束 =====")
return df, excellent_students, grade_distribution
# 运行分析系统
if __name__ == "__main__":
student_score_analysis()关键功能说明
- 数据合并 ：用
pd.merge()将学生总分合并到原数据，避免手动循环匹配； - 去重 ：用
drop_duplicates()去除学生重复行（每个学生只保留一条总分记录）； - 交叉表统计 ：用
pd.crosstab()快速生成 "课程 - 等级" 的分布表，比手动统计简洁； - 多工作表保存 ：用
pd.ExcelWriter()将不同结果保存到 Excel 的多个工作表，方便查看。
运行结果（节选）
plaintext
plaintext
===== 学生成绩分析系统 =====
1. 读取数据...
成功读取 6 条数据
2. 数据清洗...
数据清洗完成
3. 计算辅助数据...
辅助数据计算完成
4. 筛选优秀学生（平均分>85）...
优秀学生列表：
name total_score avg_score
1 小红 183 91.5
0 小明 177 88.5
5. 各科等级分布统计...
各科等级分布：
课程 C级(<80) B级(80-89) A级(90+) 总计
数学 1 1 1 3
英语 0 2 1 3
总计 1 3 2 6
6. 保存结果到 analysis_result.xlsx...
结果保存完成！
===== 分析结束 =====七、新手必踩的 5 个坑：避坑指南
Pandas 功能强大，但新手容易在 "数据类型""索引""缺失值" 等方面踩坑，咱们总结 5 个高频问题：
坑 1：数据类型不匹配（比如成绩是字符串）
python
运行
python
# 错误示例：course_score是字符串，无法比较大小
df = pd.read_csv("students_data.csv", encoding="utf-8")
# 此时df["course_score"]是object类型（字符串）
print(df[df["course_score"] > 85]) # 报错：TypeError: '>' not supported between instances of 'str' and 'int'解决 ：读取时用dtype指定列类型：
python
运行
python
df = pd.read_csv("students_data.csv", encoding="utf-8", dtype={"course_score": int})坑 2：用=修改数据不生效（忘记inplace=True）
python
运行
python
# 错误示例：fillna()默认不修改原数据，需要inplace=True
df["age"].fillna(df["age"].mean()) # 原df的age列无变化
print(df["age"].isnull().sum()) # 仍为1（缺失值未填充）解决 ：添加inplace=True或重新赋值：
python
运行
python
df["age"].fillna(df["age"].mean(), inplace=True) # 正确
# 或 df["age"] = df["age"].fillna(df["age"].mean())坑 3：筛选多条件时用and/or而非&/|
python
运行
python
# 错误示例：多条件用and，报错
df[(df["age"] == 15) and (df["course_name"] == "英语")]
# 报错：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().解决 ：Pandas 多条件用&（且）、|（或），每个条件加括号：
python
运行
python
df[(df["age"] == 15) & (df["course_name"] == "英语")] # 正确坑 4：读取 Excel 时缺少依赖（openpyxl/xlrd）
python
运行
python
# 错误示例：未安装openpyxl，读取.xlsx文件报错
df = pd.read_excel("students_data.xlsx")
# 报错：Missing optional dependency 'openpyxl'. Install using 'pip install openpyxl'.解决：安装对应依赖：
bash
运行
bash
pip install openpyxl # 读取.xlsx
pip install xlrd # 读取.xls坑 5：loc与iloc混淆（按索引 vs 按位置）
python
运行
python
# 错误示例：用iloc按索引访问，报错
df_idx = df.set_index("name") # 索引改为姓名
print(df_idx.iloc["小明"]) # 报错：ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types解决 ：loc按索引访问，iloc按位置访问：
python
运行
python
print(df_idx.loc["小明"]) # 正确（按索引"小明"）
print(df_idx.iloc[0]) # 正确（按位置0）八、小结与下一篇预告
这篇你学到了什么？
- Pandas 基础 ：安装 Pandas，理解
Series（一维）和DataFrame（二维表格）的核心结构； - 数据读取 ：用
read_csv()/read_excel()一行读取表格数据，对比csv模块更高效； - 数据查看 ：用
head()/info()/describe()快速了解数据全貌，不用手动循环； - 数据操作：筛选（条件筛选、列选择）、修改（值修改、添加新列）、清洗（缺失值、重复值）；
- 数据统计 ：用
groupby()/agg()/crosstab()实现分组统计，轻松生成分析报告； - 实战应用：完成学生成绩分析系统，从读取到保存的完整流程，落地实用。
下一篇预告
今天的 Pandas 让我们能高效处理表格数据，但 "光有数据统计还不够，可视化才能让数据更直观"------ 比如用图表展示各科成绩分布、优秀学生占比。下一篇咱们会学 Python 的数据可视化库Matplotlib和Seaborn，结合 Pandas 数据生成柱状图、折线图、饼图，让你的数据分析结果 "一目了然"。
如果这篇内容帮你掌握了 Pandas，欢迎在评论区分享你的 "数据分析案例"（比如用 Pandas 分析你的考试成绩），咱们一起交流进步～