一、目录：
- Series（一维带标签数组）
- DataFrame（二维带标签表格）
- Pandas 核心数据操作
- 数据读写（与外部文件交互）
- 练习
Pandas 有两个核心数据结构，所有数据处理都围绕它们展开：Series（一维数据） 和 DataFrame（二维数据，类似 Excel 表格）
二、Series（一维带标签数组）
Series 由「数据值（values）」和「索引（index）」组成，索引可以自定义，默认是 0,1,2,... 递增整数。
（1）创建 Series
# 方式1：从列表创建（默认索引）
s1 = pd.Series([10, 20, 30, 40, 50])
print("默认索引的 Series：")
print(s1)
# 方式2：自定义索引
s2 = pd.Series([10, 20, 30, 40, 50], index=["a", "b", "c", "d", "e"])
print("\n自定义索引的 Series：")
print(s2)
# 方式3：从字典创建（字典的键作为索引，值作为数据）
s3 = pd.Series({"北京": 100, "上海": 200, "广州": 300})
print("\n从字典创建的 Series：")
print(s3)
（2）Series 核心属性
# 查看数据值（返回 numpy 数组）
print("数据值：", s2.values)
# 查看索引
print("索引：", s2.index)
# 查看数据类型
print("数据类型：", s2.dtype)
# 查看形状（一维数据，返回 (n,)）
print("形状：", s2.shape)
三、DataFrame（二维带标签表格）
DataFrame 是 Pandas 中最常用的数据结构，可理解为「多行多列的表格」，包含「行索引（index）」、「列索引（columns）」和「数据值（values）」。
（1）创建 DataFrame：pd.DataFrame
# 方式1：从字典列表创建（最常用）
data1 = [
{"姓名": "张三", "年龄": 25, "城市": "北京"},
{"姓名": "李四", "年龄": 30, "城市": "上海"},
{"姓名": "王五", "年龄": 28, "城市": "广州"}
]
df1 = pd.DataFrame(data1)
print("从字典列表创建的 DataFrame：")
print(df1)
# 方式2：从二维数组+自定义行列索引创建
data2 = np.array([[25, "北京"], [30, "上海"], [28, "广州"]])
df2 = pd.DataFrame(
data2,
index=["张三", "李四", "王五"], # 行索引
columns=["年龄", "城市"] # 列索引
)
print("\n自定义行列索引的 DataFrame：")
print(df2)
# 方式3：从字典创建（字典的键作为列索引，值作为列数据）
data3 = {
"姓名": ["张三", "李四", "王五"],
"年龄": [25, 30, 28],
"城市": ["北京", "上海", "广州"]
}
df3 = pd.DataFrame(data3)
print("\n从字典创建的 DataFrame：")
print(df3)
（2）DataFrame 核心属性
# 查看行索引
print("行索引：", df3.index)
# 查看列索引
print("列索引：", df3.columns)
# 查看数据值（返回 numpy 二维数组）
print("数据值：\n", df3.values)
# 查看数据形状（行数, 列数）
print("形状：", df3.shape)
# 查看数据类型（每一列的数据类型）
print("数据类型：\n", df3.dtypes)
# 查看前 n 行（默认前5行，便于快速预览大数据集）
print("前2行：\n", df3.head(2))
# 查看后 n 行（默认后5行）
print("后2行：\n", df3.tail(2))
# 查看数据基本统计信息（仅针对数值型列，如计数、均值、标准差等）
print("基本统计信息：\n", df3.describe())
四、Pandas 核心数据操作
（1）选择列
# 从字典创建（字典的键作为列索引，值作为列数据）
data3 = {
"姓名": ["张三", "李四", "王五"],
"年龄": [25, 30, 28],
"城市": ["北京", "上海", "广州"]
}
df3 = pd.DataFrame(data3)
# 方式1：直接通过列名（适用于列名无空格、特殊字符）
name_col = df3["姓名"]
print("单列数据（Series类型）：\n", name_col)
# 方式2：选择多列（传入列名列表，返回 DataFrame 类型）
name_age_col = df3[["姓名", "年龄"]]
print("\n多列数据（DataFrame类型）：\n", name_age_col)
# 方式1：直接通过列名（适用于列名无空格、特殊字符）
name_col = df3["姓名"]
print("单列数据（Series类型）：\n", name_col)
# 方式2：选择多列（传入列名列表，返回 DataFrame 类型）
name_age_col = df3[["姓名", "年龄"]]
print("\n多列数据（DataFrame类型）：\n", name_age_col)
（2）选择行
# 方式1：基于行索引标签（loc）
row_zhangsan = df3.loc[0] # 第0行（默认行索引是0,1,2）
print("基于标签选择单行：\n", row_zhangsan)
# 方式2：基于行号（iloc，类似Python列表切片）
row_2 = df3.iloc[2] # 第3行（索引从0开始）
print("\n基于行号选择单行：\n", row_2)
# 方式3：选择多行（切片）
rows_0_1 = df3.loc[0:1] # loc 切片包含结束索引
rows_0_1_iloc = df3.iloc[0:2] # iloc 切片不包含结束索引
print("\nloc 选择多行：\n", rows_0_1)
print("\niloc 选择多行：\n", rows_0_1_iloc)
（3）选择指定行和列（切片 + 筛选）
# loc：标签索引（行标签, 列标签）
zhangsan_age = df3.loc[0, "年龄"]
print("张三的年龄：", zhangsan_age)
# iloc：行号索引（行号, 列号）
lisi_city = df3.iloc[1, 2]
print("李四的城市：", lisi_city)
# 选择多行多列
subset = df3.loc[0:1, ["姓名", "城市"]]
print("\n多行多列子集：\n", subset)
2. 数据筛选（条件查询）
通过布尔条件筛选符合要求的数据，类似 Excel 中的「筛选」功能。
# 条件1：年龄大于26
df_age_gt26 = df3[df3["年龄"] > 26]
print("年龄大于26的数据：\n", df_age_gt26)
# 条件2：多条件组合（& 且，| 或，条件需用括号包裹）
df_condition = df3[(df3["年龄"] > 26) & (df3["城市"] == "上海")]
print("\n年龄大于26且城市为上海的数据：\n", df_condition)
3. 数据修改与新增
（1）修改现有数据
# 修改单个值
df3.loc[0, "年龄"] = 26
print("修改张三年龄后：\n", df3)
# 修改整列数据
df3["城市"] = ["北京", "深圳", "广州"]
print("\n修改城市列后：\n", df3)
（2）新增列
# 方式1：直接赋值（基于现有列计算）
df3["年龄+5"] = df3["年龄"] + 5
print("新增年龄+5列后：\n", df3)
# 方式2：赋值固定值
df3["性别"] = "男"
print("\n新增性别列（固定值）后：\n", df3)
4. 数据清洗（处理缺失值与重复值）
（1）处理缺失值（NaN）
# 先创建一个包含缺失值的 DataFrame
df_missing = pd.DataFrame({
"姓名": ["张三", "李四", None, "赵六"],
"年龄": [26, None, 28, 32],
"城市": ["北京", "深圳", "广州", None]
})
print("包含缺失值的 DataFrame：\n", df_missing)
# 1. 检测缺失值（isnull() 返回布尔值，sum() 统计每列缺失值数量）
missing_count = df_missing.isnull().sum()
print("\n每列缺失值数量：\n", missing_count)
# 2. 删除缺失值（dropna()，默认删除包含任何缺失值的行）非常重要
df_dropna = df_missing.dropna()
print("\n删除缺失值后：\n", df_dropna)
# 3. 填充缺失值（fillna()，常用均值、中位数、固定值填充）非常重要
df_fillna = df_missing.fillna({
"姓名": "未知",
"年龄": df_missing["年龄"].mean(), # 用年龄列的均值填充
"城市": "未知城市"
})
print("\n填充缺失值后：\n", df_fillna)
（2）处理重复值
# 先创建一个包含重复值的 DataFrame
df_dup = pd.DataFrame({
"姓名": ["张三", "李四", "张三", "王五", "李四"],
"年龄": [26, 30, 26, 28, 30],
"城市": ["北京", "深圳", "北京", "广州", "深圳"]
})
print("包含重复值的 DataFrame：\n", df_dup)
# 1. 检测重复值（duplicated()，返回布尔值，keep='first' 标记除第一次外的重复行）
dup_flag = df_dup.duplicated()
print("\n重复值标记：\n", dup_flag)
# 2. 删除重复值（drop_duplicates()，默认保留第一次出现的行）
df_dropdup = df_dup.drop_duplicates()
print("\n删除重复值后：\n", df_dropdup)
五、数据读写（与外部文件交互）
Pandas 支持读写多种格式文件，最常用的是 CSV 文件 和 Excel 文件（读写 Excel 需要额外安装 openpyxl（处理.xlsx）和 xlrd（处理.xls））。
1. 安装 Excel 依赖（可选）
pip install openpyxl xlrd
2. 读写 CSV 文件
# （1）将 DataFrame 写入 CSV 文件
df3.to_csv("user_info.csv", index=False) # index=False 不写入行索引
print("CSV 文件写入成功")
# （2）从 CSV 文件读取数据
df_read_csv = pd.read_csv("user_info.csv")
print("\n从 CSV 读取的数据：\n", df_read_csv)
3. 读写 Excel 文件
# （1）将 DataFrame 写入 Excel 文件
df3.to_excel("user_info.xlsx", sheet_name="用户信息", index=False)
print("Excel 文件写入成功")
# （2）从 Excel 文件读取数据
df_read_excel = pd.read_excel("user_info.xlsx", sheet_name="用户信息")
print("\n从 Excel 读取的数据：\n", df_read_excel)
六、练习
import pandas as pd
import os
# 1. 创建学生成绩数据
student_scores = pd.DataFrame({
"姓名": ["张三", "李四", "王五", "赵六", "钱七"],
"语文": [85, 92, 78, 90, 88],
"数学": [90, 86, 89, 75, 95],
"英语": [88, 90, 93, 80, 85]
})
# 2. 计算每位学生的总分
student_scores["总分"] = student_scores["语文"] + student_scores["数学"] + student_scores["英语"]
# 3. 计算每科的平均分
subject_avg = student_scores[["语文", "数学", "英语"]].mean()
print("每科平均分：\n", subject_avg)
# 4. 按总分降序排序（找出成绩最好的学生）
student_scores_sorted = student_scores.sort_values(by="总分", ascending=False)
print("\n按总分降序排序后：\n", student_scores_sorted)
# 5. 筛选总分大于260分的学生
excellent_students = student_scores[student_scores["总分"] > 260]
print("\n总分大于260分的优秀学生：\n", excellent_students)
# 判断文件是否存在，不存在则创建
if (not os.path.exists("student_scores_analysis.xlsx")):
with open("student_scores_analysis.xlsx", "w") as f:
pass
# 6. 将结果写入 Excel 文件
student_scores_sorted.to_excel("student_scores_analysis.xlsx", index=False)
print("\n成绩分析结果已写入 Excel 文件")