在数据分析与挖掘的日常工作中，大部分时间都在与数据的“摄入”、“观察”、“筛选”和“输出”打交道。Pandas 提供了极其丰富且直观的 API，能让我们像操作 Excel 一样轻松操控结构化数据。
本文将围绕数据分析最核心的四步走展开：
- 数据读写（I/O）：如何加载与持久化数据；
- 数据查看：如何从宏观到微观快速了解数据概况；
- 数据选择与切片：如何精准提取指定行与列；
- 数据过滤（布尔索引）：如何按复杂条件筛选目标记录。
一、 数据读取与写入（I/O 操作）
Pandas 的 I/O API 设计高度规范统一，核心遵循：
- 读取数据：
pd.read_xxx()（如read_csv,read_excel,read_sql） - 写入数据：
df.to_xxx()（如to_csv,to_excel,to_sql）
典型代码实战
importpandasaspd# 1. 读取 CSV 文件，并通过 usecols 仅加载所需的列（大幅节省内存）df=pd.read_csv('../data/sales.csv',usecols=['订单日期','产品类别','销售数量','单价','客户所在城市','支付方式'])# 2. 字段衍生计算：销售额 = 销售数量 * 单价df['销售额']=df['销售数量']*df['单价']# 3. 数据持久化：取前20条结果导出为新的 CSV 文件，并忽略默认索引df.head(20).to_csv('../data/sales_02.csv',index=False)💡 避坑提示：
写入文件时推荐加上index=False，否则 Pandas 会默认将行索引0, 1, 2...作为单独一列存入文件，导致多出一列未命名索引。
二、 数据查看与宏观洞察
拿到一份全新数据时，切忌盲目分析，先调用以下“六大金刚”方法建立对数据全貌的认知：
| 方法 / 属性 | 类型 | 核心作用与说明 |
|---|---|---|
df.head(n) | 方法 | 查看数据集前 n 行（默认 n=5） |
df.tail(n) | 方法 | 查看数据集末尾 n 行（默认 n=5） |
df.info() | 方法 | 查看数据集整体元信息：列名、非空值数量、数据类型(dtype)、内存占用 |
df.describe() | 方法 | 输出数值列的统计描述（均值、标准差、分位数、极值等） |
df.shape | 属性 | 获取数据维度元组：(行数, 列数) |
df.columns | 属性 | 获取所有列名清单 |
核心探查示例：
# 查看前 5 行样本print(df.head())# 全面体检：检查是否存在缺失值（Null / NaN）及字段类型df.info()# 快速了解各科/各指标的数值分布print(df.describe())三、 数据的精准选择与切片
1. 列的选择
- 操作单列：
df['列名']或df.列名（返回Series） - 操作多列：
df[['列1', '列2']]（注意是双层方括号，返回DataFrame）
# 提取单列（推荐第一种，能防止列名包含空格或特殊符号时的解析异常）category=df['产品类别']price=df.单价# 提取多列子集sub_df=df[['产品类别','单价','销售额']]2. 行的切片选择（iloc vs loc）
这是初学者最容易混淆的概念，请务必牢记以下区分：
| 语法 | 定位依据 | 切片边界规则 |
|---|---|---|
df.iloc[start:stop:step] | 基于行号（整数位置） | 前闭后开（不含 stop），同 Python 列表 |
df.loc[start:stop:step] | 基于索引标签（Index Name） | 全闭区间（包含 stop） |
# 取前 5 行（第 0 ~ 4 行）df.iloc[0:5]# 基于显式标签切片（假设索引是日期或特定字符串标签）df.loc['2025-06-01':'2025-06-03']# 结果包含 '2025-06-03' 这一天四、 数据的条件过滤（布尔索引）
通过构建逻辑判断表达式，可以轻松筛出满足业务要求的记录。
- 语法规范：
df[条件表达式]
1. 常见单条件过滤
# ① 数值比较：筛选销售数量 >= 10 的记录df[df['销售数量']>=10]# ② 集合包含（isin）：筛选产品类别为 服装 或 食品 的记录df[df['产品类别'].isin(['服装','食品'])]# ③ 区间筛选（between）：筛选单价在 [50, 200] 之间的记录（闭区间）df[df['单价'].between(50,200)]2. 多条件组合过滤
当存在多个条件共同筛选时，必须注意：
- 与（并且）：用
& - 或（或者）：用
| - 非（排除）：用
~ - 每个独立条件必须用英文圆括号
()包裹！（因为位运算符优先级高于比较运算符）
# 筛选：产品类别是'食品' 并且 销售数量 >= 3 的数据food_large_sales=df[(df['产品类别']=='食品')&(df['销售数量']>=3)]# 筛选：客户所在城市在'北京' 或 支付方式是'微信支付'beijing_or_wechat=df[(df['客户所在城市']=='北京')|(df['支付方式']=='微信支付')]五、 全流程综合代码演练
将上述各个环节串联起来，还原真实开发流程：
importpandasaspd# 1. 读入数据df=pd.read_csv('../data/sales.csv')# 2. 字段探查print(f"数据总览：{df.shape[0]}行,{df.shape[1]}列")print(df.info())# 3. 筛选并计算：找出单价在 50~200 之间且支付方式为微信支付的高价值订单filtered_df=df[(df['单价'].between(50,200))&(df['支付方式']=='微信支付')]# 4. 精确切片与列选取result=filtered_df[['订单日期','产品类别','单价','客户所在城市']].iloc[:10]# 5. 输出清洗后的数据result.to_csv('../data/filtered_sales.csv',index=False)print("数据导出完成！")📌 总结速记卡片
【读写】 pd.read_csv() / pd.read_excel() ==> df.to_csv(index=False) 【探查】 df.head() / df.tail() / df.info() / df.describe() 【查列】 df['列名'] (单列Series) / df[['列A', '列B']] (多列DataFrame) 【切行】 df.iloc[0:5] (按位置,不包尾) / df.loc['a':'c'] (按标签,包尾) 【过滤】 df[(条件A) & (条件B)] / df[df['列'].isin([...])]