Python 数据分析入门：使用 Pandas 处理数据

2026年3月2日
Python
10分钟阅读

Python 已经成为数据分析领域的主流语言，而 Pandas 是 Python 中最强大的数据处理库之一。本文将介绍 Pandas 的基本使用方法，包括数据读取、清洗、分析和可视化，帮助你快速入门数据分析领域。

1. 安装 Pandas

首先，我们需要安装 Pandas 库。可以使用 pip 命令进行安装：

pip install pandas

2. 基本概念

Pandas 有两个核心数据结构：

  • Series：一维标记数组，类似于带标签的数组。
  • DataFrame：二维表格数据结构，类似于电子表格或 SQL 表。

2.1 创建 Series

import pandas as pd

# 创建 Series
data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

2.2 创建 DataFrame

import pandas as pd

# 创建 DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 30, 35, 40],
    'city': ['New York', 'London', 'Paris', 'Tokyo']
}
df = pd.DataFrame(data)
print(df)

3. 数据读取

Pandas 支持读取多种格式的数据文件，如 CSV、Excel、JSON 等。

3.1 读取 CSV 文件

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('data.csv')
print(df.head())  # 查看前 5 行

3.2 读取 Excel 文件

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('data.xlsx')
print(df.head())

3.3 读取 JSON 文件

import pandas as pd

# 读取 JSON 文件
df = pd.read_json('data.json')
print(df.head())

4. 数据探索

在进行数据分析之前，我们需要先了解数据的基本情况。

4.1 查看数据基本信息

# 查看数据形状（行数和列数）
print(df.shape)

# 查看列名
print(df.columns)

# 查看数据类型
print(df.dtypes)

# 查看数据统计信息
print(df.describe())

4.2 数据选择

# 选择列
df['name']  # 选择单个列
df[['name', 'age']]  # 选择多个列

# 选择行
df.loc[0]  # 按标签选择行
df.iloc[0]  # 按位置选择行
df.loc[0:2]  # 选择多行

# 条件选择
df[df['age'] > 30]  # 选择年龄大于 30 的行

5. 数据清洗

实际数据往往存在缺失值、重复值等问题，需要进行清洗。

5.1 处理缺失值

# 检查缺失值
print(df.isnull().sum())

# 删除包含缺失值的行
df.dropna()

# 填充缺失值
df.fillna(0)  # 用 0 填充
df.fillna(df.mean())  # 用平均值填充

5.2 处理重复值

# 检查重复值
print(df.duplicated().sum())

# 删除重复值
df.drop_duplicates()

5.3 数据类型转换

# 转换数据类型
df['age'] = df['age'].astype(int)
df['date'] = pd.to_datetime(df['date'])

6. 数据分析

Pandas 提供了丰富的数据分析功能。

6.1 分组和聚合

# 按列分组
df.groupby('city').mean()  # 按城市分组计算平均值

# 分组后进行多列聚合
df.groupby('city').agg({'age': 'mean', 'salary': 'sum'})

6.2 排序

# 按列排序
df.sort_values('age')  # 升序
df.sort_values('age', ascending=False)  # 降序

6.3 合并数据

# 合并两个 DataFrame
pd.merge(df1, df2, on='id')  # 按 id 列合并

# 连接数据
pd.concat([df1, df2])  # 纵向连接

7. 数据可视化

结合 Matplotlib 或 Seaborn，我们可以将数据可视化。

7.1 基本图表

import matplotlib.pyplot as plt

# 绘制直方图
df['age'].hist()
plt.title('Age Distribution')
plt.show()

# 绘制散点图
df.plot.scatter(x='age', y='salary')
plt.title('Age vs Salary')
plt.show()

# 绘制折线图
df.plot.line(x='date', y='sales')
plt.title('Sales Trend')
plt.show()

8. 实际应用示例

下面是一个完整的数据分析示例，展示如何使用 Pandas 分析销售数据。

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('sales_data.csv')

# 数据清洗
df['date'] = pd.to_datetime(df['date'])
df = df.dropna()

# 数据探索
print(df.head())
print(df.describe())

# 按月份分组分析销售额
df['month'] = df['date'].dt.month
sales_by_month = df.groupby('month')['sales'].sum()
print(sales_by_month)

# 可视化
plt.figure(figsize=(10, 6))
sales_by_month.plot(kind='bar')
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.show()

# 按产品类别分析
sales_by_category = df.groupby('category')['sales'].sum()
print(sales_by_category)

# 可视化
plt.figure(figsize=(10, 6))
sales_by_category.plot(kind='pie', autopct='%1.1f%%')
plt.title('Sales by Category')
plt.show()

9. 总结

Pandas 是 Python 中功能强大的数据处理库，它提供了丰富的功能来处理、分析和可视化数据。通过本文的介绍，你应该已经掌握了 Pandas 的基本使用方法，包括：

  • 数据读取和存储
  • 数据探索和清洗
  • 数据分组和聚合
  • 数据合并和连接
  • 数据可视化

要成为一名优秀的数据分析师，还需要不断实践和学习。建议你通过实际项目来巩固所学知识，探索 Pandas 的更多高级功能。

希望本文对你有所帮助，祝你在数据分析的道路上越走越远！

返回博客列表