Pandas 数据分析实战#

Pandas 是做数据分析绕不开的工具，市面上任何一个数据分析岗位的 JD 里，几乎都写着「熟练使用 Pandas」。但对刚学会 Python 的你来说，它看起来又有点吓人，因为各种类似方法名混在一起会让你觉得不知所措。

不过好消息是：Pandas 的核心用法其实就那么几个，而且用起来非常像你熟悉的 Excel。本课程就把这几十个常用的知识点拆成 5 章，每章配 5 道练习和 10 个常见问题，带你从拿到一张表不知道从哪下手，走到能独立完成一次完整的数据清洗与汇总。

小提示： 在学习过程中记不着每个方法的作用没关系，只要你跟者本课程的每一个示例动手练习一次，留下印象以后，等再次遇到的时候再回过头来查看一次就会逐渐完全掌握。

适合谁#

• 刚学完 Python 基础（会写函数、会用列表和字典），但没怎么用过 Pandas；

• 工作中需要经常处理 Excel、CSV 数据，希望把这活儿干得又快又稳；

• 学过一点 Pandas，但总在 loc 和 iloc、或者 count 和 size 之间反复搞混。

学习前需要准备#

只需要三样东西：

1. 一个 Python 环境。建议 Python 3.9 及以上。

2. 装好 Pandas：

   pip install pandas

3. 一个编辑器，初学者建议安装 Jupyter Notebook ，因为它是最适合跟着本文敲代码——每写一格就能立刻看到结果，不用反复 print。

如果对于以上内容还不熟悉的话，可以分别参见 「Conda安装教程：机器学习环境配置与使用入门」 和 「机器学习开发环境安装配置：Jupyter Notebook 与 PyCharm 使用教程」 来安装 Python 和 Jupyter Notebook 。

课程结构#

同时，我们把每一章的内容都拆成三节，并按照同一个顺序进行了组织：

• 第 X.1 节 核心知识点：把这一章要用的方法讲清楚，配可运行代码；

• 第 X.2 节 编程练习：5 道动手题，先自己写，再看答案；

• 第 X.3 节 常见问题：10 个初学者最容易踩的坑，附解答。

一个贯穿全课程的例子#

为了让你不用反复更换数据集，全课程都用同一张「订单表」。你在第 1 章把它创建出来以后，后面 4 章都会一直使用它：

import pandas as pd

data = {
    "订单号":   [1001, 1002, 1003, 1004, 1005, 1006, 1007, 1008],
    "下单日期": ["2024-01-05", "2024-01-08", "2024-01-12", "2024-02-03",
                 "2024-02-15", "2024-03-02", "2024-03-20", "2024-04-08"],
    "城市":     ["北京", "上海", "北京", "广州", "上海", "北京", "深圳", "广州"],
    "商品":     ["手机", "电脑", "耳机", "手机", "键盘", "显示器", "耳机", "手机"],
    "销量":     [2, 1, 3, 2, 5, 1, 4, 2],
    "单价":     [3999.0, 7999.0, 599.0, 3999.0, 299.0, 1299.0, 599.0, 3999.0],
    "金额":     [7998.0, 7999.0, 1797.0, 7998.0, 1495.0, 1299.0, 2396.0, 7998.0],
    "客户评分": [4.5, 4.0, 4.8, 3.9, 4.2, 4.6, 4.1, 4.9],
}

df = pd.DataFrame(data)

就上面这么几行代码，就是你接下来要持续折腾的对象。它有 8 行 8 列，装着某电商平台 8 笔订单的编号、日期、城市、商品、销量、单价、金额和客户评分。

怎么用这门课#

别一口气读完五个章节。更实在的做法是：

1. 打开一个 Notebook，把例子抄进去，真的跑一遍；

2. 看到输出和文章里写的不一样，停下来查清楚为什么；

3. 做第 X.2 节的练习，先别看答案，卡住了再看；

4. 第 X.3 节不用通读，等你真的被某个问题绊倒时再回来查也可以。

一个提醒 Pandas 的方法很多，但日常真正高频用的就二三十个。这门课只讲这些。遇到课程里没讲的方法时，先别急着背 API，直接去官方文档搜一下关键词——通常5秒钟就能找到答案。

官方文档#

• Pandas 官方文档

• Pandas 用户指南（中文翻译）