大家好呀！今天我要和你们分享一个在数据分析领域超级好用的Python库 - Pandas！它就像是Excel的超级升级版，可以帮我们轻松处理大量数据。不管你是想分析销售数据，还是处理科研数据，Pandas都能帮你轻松搞定。让我们一起来探索这个强大的工具吧！

我们需要安装并导入Pandas：

 
  
   
   
 
   
    
     
   
    
     
   
    
     
  
   
   
 
  
   
   
 
   
    
    1pip install pandas # 安装pandas 
   
    
    2import pandas as pd # 导入pandas并简写为pd 
  
   
   

小贴士 ：习惯上我们用pd作为Pandas的缩写，这样写代码时可以少敲几个字母哦！

Series就像是一个增强版的列表，不仅有数据，还有索引：

讯享网 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1import pandas as pd 
   
    
     3# 创建一个Series 
   
    
     4fruits = pd.Series([‘苹果’， ‘香蕉’， ‘橙子’， ‘梨’]， index=[‘a’， ‘b’， ‘c’， ’d’]) 
   
    
     5print(fruits) 
  
   
    

DataFrame就像一个Excel表格，有行有列：

 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 创建一个DataFrame 
   
    
     2data = { 
   
    
     3 ‘姓名’：[‘小明’， ‘小红’， ‘小华’]， 
   
    
     4 ‘年龄’：[18， 19， 20]， 
   
    
     5 ‘成绩’：[90， 85， 95] 
   
    
     6} 
   
    
     7df = pd.DataFrame(data) 
   
    
     8print(df) 
  
   
    

讯享网 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 读取CSV文件 
   
    
     2df = pd.read_csv(‘data.csv’) 
   
    
     4# 读取Excel文件 
   
    
     5df = pd.read_excel(‘data.xlsx’) 
  
   
    

注意事项 ：记得把文件路径写对哦，Windows系统的同学要用反斜杠</code>或者直接用r’路径’

 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 查看前5行数据 
   
    
     2print(df.head()) 
   
    
     4# 查看数据基本信息 
   
    
     5print(df.info()) 
   
    
     7# 查看数据统计描述 
   
    
     8print(df.describe()) 
  
   
    

讯享网 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 筛选年龄大于18的数据 
   
    
     2df[df[‘年龄’] > 18] 
   
    
     4# 筛选多个条件 
   
    
     5df[(df[‘年龄’] > 18) & (df[‘成绩’] >= 90)] 
  
   
    

 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 按成绩降序排列 
   
    
     2df.sort_values(‘成绩’， ascending=False) 
  
   
    

小贴士 ：ascending=True是升序，False是降序哦！

讯享网 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1# 删除有缺失值的行 
   
    
     2df.dropna() 
   
    
     4# 填充缺失值 
   
    
     5df.fillna(0) # 用0填充 
  
   
    

来看一个简单的成绩分析案例：

 
  
   
    
 
   
    
      
   
    
      
   
    
      
  
   
    
 
  
   
    
 
   
    
     1import pandas as pd 
   
    
     3# 创建学生成绩数据 
   
    
     4data = { 
   
    
     5 ‘姓名’：[‘小明’， ‘小红’， ‘小华’， ‘小李’， ‘小张’]， 
   
    
     6 ‘语文’：[80， 90， 85， 88， 92]， 
   
    
     7 ‘数学’：[95， 88， 92， 90， 85]， 
   
    
     8 ‘英语’：[85， 95， 88， 87， 90] 
   
    
     9} 
   
    
     10df = pd.DataFrame(data) 
   
    
     12# 计算每个学生的平均分 
   
    
     13df[‘平均分’] = df[[‘语文’， ‘数学’， ‘英语’]].mean(axis=1) 
   
    
     15# 找出平均分最高的学生 
   
    
     16best_student = df.loc[df[‘平均分’].idxmax()] 
   
    
     17print(f“最高分学生：{best_student[‘姓名’]}，平均分：{best_student[‘平均分’]}”) 
  
   
    

1. 试试用Pandas创建一个你的课程表DataFrame
2. 尝试计算上面例子中每门课的平均分
3. 如何找出哪门课程的及格率最高？

1. Pandas的两个核心数据结构：Series和DataFrame
2. 基本的数据读取和查看方法
3. 常用的数据处理功能：筛选、排序、处理缺失值
4. 实际案例的操作思路

小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问我哦。相信经过今天的学习，你已经掌握了Pandas的基础用法。接下来要多加练习，数据分析的大门就为你打开啦！祝大家学习愉快，Python学习节节高！