Python数据处理怎么做_pandas核心用法讲解【教学】

pandas是Python数据处理最常用高效的工具，核心对象为Series和DataFrame；支持多种格式读写、数据清洗、筛选聚合等全流程操作。

Python数据处理最常用、最高效的工具就是pandas，它专为结构化数据设计，能轻松完成读取、清洗、变换、分析和导出全流程。掌握几个核心对象和方法，就能应对绝大多数日常任务。

Series和DataFrame：pandas的两大基石

Series是一维带标签的数组，类似Excel里的一列；DataFrame是二维表格，相当于整张工作表。几乎所有操作都围绕这两个对象展开。

• 创建Series：用pd.Series([1, 2, 3], index=['a', 'b', 'c'])
• 创建DataFrame：传入字典pd.DataFrame({'name': ['Alice', 'Bob'], 'age': [25, 30]})，键自动变成列名
• 查看结构：用df.shape看行列数，df.info()看数据类型和缺失值，df.head()看前5行

读写数据：几行代码搞定常见格式

不用手动解析文件，pandas内置了大量IO函数，支持CSV、Excel、JSON、SQL甚至网页表格。

• 读CSV：pd.read_csv('data.csv')，常用参数sep（分隔符）、encoding（编码）、parse_dates（自动转日期）
• 读Excel：pd.read_excel('report.xlsx', sheet_name='Summary')
• 写回文件：df.to_csv('cleaned.csv', index=False)，index=False避免多写一列行号

数据清洗：处理脏数据最常用的五步

真实数据常有缺失、重复、格式错乱等问题，pandas提供了简洁直接的解决方式。

标签： excel python js json 编码 工具 csv ai 数据清洗 python数据处理