Python之三大基本库——Pandas

Python 三大基本库——Pandas 详解（2026最新版 · 0基础到实战）

在你的Python 快速学习路线图中，NumPy + Pandas + Matplotlib被公认为 Python 数据分析的“三大基本库”。其中Pandas是最核心、最强大的一个，被称为“Python界的Excel”或“数据处理瑞士军刀”。

Pandas 基于 NumPy 构建，专为结构化数据（表格型数据）设计，能轻松完成读取、清洗、转换、分析、聚合、可视化等全流程操作。即使在 2026 年，Pandas 依然是中小规模数据分析（百万行以内）的绝对标准。虽然Polars等新库在速度上更快（尤其是大数据），但 Pandas 生态最完善、文档最友好、与 AI/ML 库兼容最好，强烈建议先彻底掌握 Pandas，再考虑 Polars。

1. Pandas 是什么？为什么必须学？

• 全称：Python Data Analysis Library（面板数据）
• 核心优势：
  • 像 Excel 一样操作表格，但支持百万级数据、自动化、编程扩展
  • 自动处理缺失值、不同类型数据、对齐索引
  • 与 NumPy（数值计算）、Matplotlib/Seaborn（可视化）、Scikit-learn（机器学习）、Ollama/LangChain（AI）无缝集成
• 2026 现状：Pandas 3.0 已发布，移除大量弃用功能，性能优化更好，但核心 API 变化不大。

安装（在你的 conda 环境中推荐）：

condainstallpandas-cconda-forge# 或 pippipinstallpandas

导入（约定俗成别名）：

importpandasaspdimportnumpyasnp# 经常一起用

2. Pandas 两大核心数据结构（必须吃透！）

（1）Series（一维，带标签的数组）

像加强版的列表或字典，有索引（index）。

# 创建s1=pd.Series([10,20,30,40],index=['a','b','c','d'])s2=pd.Series({'苹果':5.5,'香蕉':3.2,'橙子':4.8})print(s1)print(s1['b'])# 20 通过标签取值print(s1[1])# 20 通过位置取值（仍支持）

（2）DataFrame（二维表格，最常用！）

像 Excel 表格或数据库表，由多个 Series 组成（列可不同类型）。

data={'姓名':['小明','小红','小刚'],'年龄':[18,17,19],'成绩':[95,88,92]}df=pd.DataFrame(data,index=['一班','二班','三班'])print(df)

查看基本信息（必会）：

df.head()# 前5行df.tail(3)# 后3行df.info()# 数据类型、缺失值、非空数df.describe()# 数值列统计（均值、标准差、最大最小等）df.shape# (行数, 列数)df.columns# 列名df.index# 索引

3. 核心操作速通（最常用 80% 场景）

读取与保存数据（入门第一步）

# 读取df=pd.read_csv('data.csv')df=pd.read_excel('data.xlsx',sheet_name='Sheet1')df=pd.read_json('data.json')# 保存df.to_csv('output.csv',index=False)df.to_excel('output.xlsx')

选择数据（索引、切片、过滤）

# 列选择df['姓名']# 单列 → Seriesdf[['姓名','成绩']]# 多列 → DataFrame# 行选择（推荐 loc/iloc）df.loc['一班']# 按标签df.iloc[0]# 按位置df.loc[df['年龄']>18]# 条件过滤df[df['成绩']>=90]# 同时选行列df.loc[df['年龄']>18,['姓名','成绩']]

数据清洗（实际项目最花时间）

df.isnull().sum()# 查看缺失值df.dropna()# 删除缺失行df.fillna(0)# 填充 0df.fillna(df['成绩'].mean())# 填充均值df.drop_duplicates()# 去重df.rename(columns={'成绩':'score'})# 重命名列

排序、添加/修改列

df.sort_values(by='成绩',ascending=False)# 降序df['总分']=df['成绩']*1.1# 新增列df['年龄']=df['年龄']+1# 修改列

分组聚合（GroupBy，神器！）

df.groupby('班级')['成绩'].mean()# 按班级平均成绩df.groupby(['班级','性别']).agg({'成绩':['mean','max'],'年龄':'count'})

合并数据（类似 SQL Join）

pd.merge(df1,df2,on='id',how='left')# left/right/inner/outerpd.concat([df1,df2],axis=0)# 上下合并

4. 简单可视化（直接调用 plot）

df['成绩'].plot(kind='bar')# 柱状图df.plot.scatter(x='年龄',y='成绩')importmatplotlib.pyplotasplt plt.show()

5. 实战小练习（立即动手，在 Jupyter Notebook 完成）

1. 读取一个 CSV 文件（可用 Kaggle 下载 Titanic 数据），查看前 10 行、形状、缺失值。
2. 筛选年龄 > 18 且成绩 >= 90 的学生，计算平均成绩。
3. 新增一列“及格”（成绩>=60 为 True），按及格人数分组统计。
4. 把 DataFrame 保存为 Excel，并用 describe() 生成统计报告。

推荐练习数据集：Titanic、Iris、Pokemon、自己导出的 Excel。

6. 学习资源推荐（2026最新，免费为主）

• 官方：pandas.pydata.org/docs/getting_started （10分钟上手 + 教程系列）
• 视频：YouTube “Pandas Explained: DataFrames & Series (Python 2026 Tutorial)”、Keith Galli 完整教程、B站“2026 Python数据分析教程（numpy+pandas+matplotlib）”
• 互动：DataCamp Pandas 教程、W3Schools Pandas、GeeksforGeeks Pandas Tutorial
• 中文：CSDN/B站完整 Pandas 教程、阿里云开发者社区 Pandas 入门指南
• 进阶：Pandas 官方 Cookbook、《Python for Data Analysis》（Wes McKinney 著，Pandas 作者）

7. 学习建议 & 2026 注意事项

• 顺序：先掌握 Series + DataFrame 创建/读取 → 选择与过滤 → 清洗与转换 → GroupBy 聚合 → 合并与可视化。
• 结合之前学习：用列表/字典创建 DataFrame，用 Ollama 本地模型生成练习题或解释报错。
• 避坑：索引对齐（自动对齐是优势也是坑）、视图 vs 拷贝（SettingWithCopyWarning）、大文件用chunksize分块读取。
• 下一步：学完 Pandas 后直接进入 Matplotlib/Seaborn 可视化，或用 Pandas + Ollama 做简单数据问答工具（RAG 入门）。
• Polars 选择：数据超百万行或追求极致速度时再学，语法类似但更快。

Pandas 是你从“会写 Python”到“能做数据分析/AI 数据预处理”的关键跳板。现在就行动：打开终端/conda 环境，pip install pandas jupyter，新建 Notebook，复制上面代码跑一遍！

想看：

• 完整可运行代码文件（Titanic 实战案例）
• 某个操作深入详解（如 GroupBy 多级聚合、时间序列处理）
• Pandas + Ollama 结合项目（用 AI 分析你的 CSV）
• NumPy 或 Matplotlib 下一课
• 练习题 + 答案

随时告诉我，我立刻补充！继续你的 Python + AI 速通之路，Pandas 掌握后数据世界就真正打开了！🚀