Pandas 核心操作指南：索引、筛选、赋值与函数应用

Pandas 核心操作指南：索引、筛选、赋值与函数应用

在数据分析和数据科学领域，pandas是 Python 生态中不可或缺的库。它基于 NumPy 构建，提供了高性能的DataFrame和Series数据结构，以及丰富的数据操作接口。本文将系统介绍 pandas 中最常用、最容易出错的核心操作，包括索引选择（loc/iloc）、列操作、条件筛选、apply函数，以及如何避免常见的SettingWithCopyWarning。所有知识点均配有可运行代码示例。

1. 认识 DataFrame 与 Series

• DataFrame：二维表格，有行索引（默认为 0,1,2…）和列名。
• Series：一维带标签的数组。

举个例子：可以把 DataFrame 想象成一张学生成绩表。

• 行索引：学生的学号或姓名（如“张三”、“李四”）
• 列名：科目（如“语文”、“数学”）

那么：

• 每一列（如“数学”列）是一个 Series，它的索引就是所有学生的名字（行索引），值是对应的数学成绩。
• 每一行（如“张三”这一行）如果单独取出来，也是一个 Series，它的索引就是科目名称（列名），值是张三各科的成绩。

代码验证

importpandasaspd# 创建成绩表 DataFrame，行索引为学生姓名df=pd.DataFrame({'语文':[85,90,78],'数学':[92,88,95],'英语':[88,85,80]},index=['张三','李四','王五'])print("成绩表 DataFrame:")print(df)

输出：

语文 数学 英语 张三 85 92 88 李四 90 88 85 王五 78 95 80

取一列（数学）→ Series：

math_col=df['数学']print("\n取“数学”列:")print(math_col)print("该 Series 的索引（即学生姓名）:",math_col.index.tolist())print("值:",math_col.values)

输出：

取“数学”列: 张三 92 李四 88 王五 95 Name: 数学, dtype: int64 该 Series 的索引（即学生姓名）: ['张三', '李四', '王五'] 值: [92 88 95]

取一行（李四）→ Series：

li_row=df.loc['李四']print("\n取“李四”这一行:")print(li_row)print("该 Series 的索引（即科目）:",li_row.index.tolist())print("值:",li_row.values)

输出：

取“李四”这一行: 语文 90 数学 88 英语 85 Name: 李四, dtype: int64 该 Series 的索引（即科目）: ['语文', '数学', '英语'] 值: [90 88 85]

总结：

• 列 → Series：索引 = 原 DataFrame 的行索引（学生名），值 = 该科成绩。
• 行 → Series：索引 = 原 DataFrame 的列名（科目），值 = 该生各科成绩。

通过这个成绩表的例子，就能直观理解：无论取一列还是取一行，返回的都是 Series，只是它们的索引含义不同。

2. 数据选择：loc与iloc

pandas 提供了两种主要的索引方法：标签索引loc和整数位置索引iloc。

2.1loc：基于标签（行名/列名）

格式：df.loc[行选择, 列选择]

• 行选择：单标签、标签列表、标签切片（包含终点）、布尔条件、可调用对象
• 列选择：单列（字符串）、多列（列表）、列切片（'col1':'col3'）

# 选取单行（结果为 Series）print(df.loc['李四'])# 索引为 '李四' 的行# 选取多行（结果为 DataFrame）print(df.loc['张三':'王五'])# 行索引 张三, 李四, 王五（注意：包含终点）# 选取特定列print(df.loc[:,['语文','数学']])# 所有行，语文和数学列# 布尔条件（见第4节）print(df.loc[df['数学']>90,:])

2.2iloc：基于整数位置（0-based）

格式：df.iloc[行位置, 列位置]

• 行/列选择：整数、整数列表、整数切片（不包含终点）

# 取第二行第三列的值（行索引1，列索引2）print(df.iloc[1,2])# 李四的英语成绩 85# 取前2行，第1列和第3列（列索引0和2）print(df.iloc[0:2,[0,2]])# 行0,1；列0(语文)和2(英语)# 行切片左闭右开print(df.iloc[0:2,:])

2.3 直接使用df[]的快速方式

# 选择单列 → Seriesdf['数学']# 选择多列 → DataFramedf[['语文','数学']]# 行切片（基于位置，左闭右开，**不能同时选列**）df[0:2]# 前2行，所有列

3. 添加/删除列

3.1 添加新列

可以通过常量、列表或基于已有列计算添加。

# 常量列df['新常量']=1# 列表（长度必须匹配）df['新列表']=[100,200,300]# 基于现有列计算df['总分']=df['语文']+df['数学']+df['英语']# 使用 np.where 条件赋值importnumpyasnp df['数学优秀']=np.where(df['数学']>90,'是','否')# 使用 apply（按列逐元素）df['语文等级']=df['语文'].apply(lambdax:'优秀'ifx>=90else'良好')

3.2 批量添加列：assign

assign返回一个新的 DataFrame（不修改原对象），可以同时添加多列。

df_new=df.assign(总分=df['语文']+df['数学']+df['英语'],平均分=(df['语文']+df['数学']+df['英语'])/3)

3.3 删除列：drop

# 删除单列df_dropped=df.drop('新常量',axis=1)# 删除多列df_dropped=df.drop(['新列表','语文等级'],axis=1)# 原地删除df.drop('数学优秀',axis=1,inplace=True)

注意：inplace=True会直接修改原 DataFrame，谨慎使用。

4. 条件筛选与赋值

4.1 布尔索引筛选行

# 数学大于90的行df[df['数学']>90]# 多个条件（& 表示且，| 表示或）df[(df['数学']>90)&(df['语文']>=85)]

4.2 条件赋值

最常见的需求：根据条件给新列赋值。推荐使用loc一次性完成，避免SettingWithCopyWarning。

# 正确做法：使用 locdf.loc[df['数学']>90,'数学等级']='A'df.loc[df['数学']<=90,'数学等级']='B'# 也可以使用 np.wheredf['数学等级2']=np.where(df['数学']>90,'A','B')

5. 数值运算与排序

5.1 常用数值运算

DataFrame 支持直接使用运算符（+,-,*,/等），也支持统计方法。

# 列间运算df['总分']=df['语文']+df['数学']+df['英语']# 统计描述df['数学'].mean()df['语文'].max()df[['数学','英语']].sum()# 各列求和

5.2 排序

# 按数学成绩升序排序，返回新 DataFramedf_sorted=df.sort_values('数学')# 降序df_sorted=df.sort_values('数学',ascending=False)# 多列排序df_sorted=df.sort_values(['数学','语文'],ascending=[False,True])# 原地排序df.sort_values('数学',inplace=True)

6.apply函数：灵活应用

apply是 pandas 中最强大的函数之一，可以沿 DataFrame 的轴（行或列）应用一个函数。

6.1 在 Series 上使用apply

逐元素处理：

# 提取姓名字符串长度（此处用成绩表示例，可改为其他）df['数学的十分之一']=df['数学'].apply(lambdax:x/10)# 用 lambda 定义复杂逻辑df['数学是否优秀']=df['数学'].apply(lambdax:'优秀'ifx>90else'普通')

6.2 在 DataFrame 上使用apply

axis=0（默认）：将每一列作为 Series 传入函数，返回一个值或 Series。
axis=1：将每一行作为 Series 传入函数。

# axis=0：计算每列最大值与最小值的差result=df[['语文','数学','英语']].apply(lambdax:x.max()-x.min(),axis=0)print(result)# 语文、数学、英语各自的极差# axis=1：计算每行总分（其实直接用 sum 更简单，这里演示用法）defrow_sum(row):returnrow['语文']+row['数学']+row['英语']df['总分']=df.apply(row_sum,axis=1)

7. 视图与复制警告（SettingWithCopyWarning）

这是 pandas 初学者最常遇到的警告。它的本质是：对可能是视图（原数据的切片）的 DataFrame 进行赋值操作时，pandas 无法确定你是想修改原数据还是临时副本，因此发出警告。

7.1 触发警告的典型场景

# 危险的链式索引（Chained Indexing）df[df['数学']>90]['新列']=100# 会触发警告

7.2 安全做法

方法一：使用loc一次性赋值（推荐）

df.loc[df['数学']>90,'新列']=100

方法二：显式创建副本

subset=df[df['数学']>90].copy()subset['新列']=100

7.3 为什么会出现视图？

某些操作（如df[condition]）返回的是原数据的一个视图（视图修改会影响原数据），某些返回的是副本。为了避免不确定性，始终使用loc进行条件赋值，或者主动.copy()。

经验法则：只要看到SettingWithCopyWarning，就用loc重写赋值语句。

8. 综合示例

下面结合所有知识点，完成一个数据处理流程：

importpandasaspdimportnumpyasnp# 创建成绩表df=pd.DataFrame({'语文':[85,90,78,92],'数学':[92,88,95,89],'英语':[88,85,80,91]},index=['张三','李四','王五','赵六'])# 1. 添加总分列df['总分']=df['语文']+df['数学']+df['英语']# 2. 使用 np.where 标记数学是否优秀df['数学优秀']=np.where(df['数学']>90,'是','否')# 3. 使用 apply 计算每行平均分df['平均分']=df[['语文','数学','英语']].apply(lambdax:x.mean(),axis=1)# 4. 按总分排序（降序）df_sorted=df.sort_values('总分',ascending=False)# 5. 筛选出数学优秀且总分大于270的行high_achievers=df_sorted.loc[(df_sorted['数学优秀']=='是')&(df_sorted['总分']>270),:]# 6. 安全赋值：给这些学生加荣誉标记df.loc[high_achievers.index,'荣誉']='优秀学生'print(df)

小结

• 认识数据结构：DataFrame 是二维表格，列是 Series（索引为行索引），行提取后也是 Series（索引为列名）。通过成绩表的例子理解行列索引的区别。
• 索引选择：
  • loc基于标签（含终点），iloc基于整数位置（不含终点）。
  • 简单场景可用df[列名]或df[行切片]。
• 列操作：直接赋值、assign、drop。
• 条件筛选与赋值：布尔索引配合loc是最安全的方式，务必避免链式索引。
• apply：Series 上逐元素处理；DataFrame 上可沿行或列应用函数。
• 视图警告：始终使用loc[condition, col] = value或显式.copy()。

掌握 pandas 的核心操作，能够高效地完成数据清洗、转换和分析。后续可以进一步学习分组聚合（groupby）、合并（merge）、透视表（pivot_table）等高级功能。建议读者跟着本文示例敲一遍代码，加深对索引和赋值的理解。