• 文档
• 教程

本篇技术指南围绕 Python 数据科学生态中的核心库pandas，系统梳理其三大核心类型（Series、DataFrame、Index）以及「数据获取 → 数据重塑 → 数据清洗 → 数据透视 → 数据呈现」的完整分析流程。文章以 番外篇/如何快速驾驭 pandas 库.md 为骨架，并结合当前仓库 Day66-80 中「深入浅出 pandas」系列教程（Day72～Day77）与配套 Notebook 代码进行源码级佐证。读完本文，你将掌握 pandas 最常用的函数与方法清单、每个核心参数的含义与默认值，以及一套「按流程学函数」的高效学习路径——无论是自学还是直接用它们完成一次真实的数据分析任务，都能少走弯路。

很多初学者面对 pandas 时最大的困惑是：函数和方法太多，不知道从哪儿学起、更不知道什么时候该用哪个。要解决这个问题，最有效的做法不是逐个背 API，而是按数据分析的流程来组织知识——每个阶段只掌握该阶段最常用的几个函数，使用时按流程「对号入座」。本仓库在 Day72 - 深入浅出pandas-1 至 Day77 - 深入浅出pandas-6 中对该思路做了完整落地，本文则给出浓缩版「速查手册」。

三个核心类：理解 pandas 的数据模型

pandas 库有三个最核心的类，其中最重要的是DataFrame类型，它是学习的重点。在 Day72 - 深入浅出pandas-1 中同样强调：pandas 以 NumPy 为基础实现数据存储和运算，核心数据类型正是Series（数据系列）、DataFrame（数据框），外加一个为二者提供索引服务的Index类型及其子类型。

1. Series：表示一维数据，跟一维数组类似（带标签的数组），每个数据都有自己的索引（标签），可以通过索引访问数据。从源码结构看，Series内部包含两个数组——一个保存数据、一个保存索引。例如 Day66-80/72.深入浅出pandas-1.md 中通过列表加索引、以及通过字典创建Series的写法：

import pandas as pd # 通过列表 + 索引创建 ser1 = pd.Series(data=[120, 380, 250, 360], index=['一季度', '二季度', '三季度', '四季度']) # 通过字典创建（键即索引、值即数据） ser2 = pd.Series({'一季度': 320, '二季度': 180, '三季度': 300, '四季度': 405})

2. DataFrame：表示二维数据，类似于 Excel 电子表格，行和列都有自己的索引（标签），可以通过索引访问行、列、单元格。日常工作中DataFrame使用最广泛，因为二维结构正好对应有行有列的表格。

3. Index：表示索引，为Series和DataFrame提供索引服务。Index有很多子类型（如DatetimeIndex、MultiIndex、CategoricalIndex等），适用于需要不同类型索引的场景。

学习建议：把 90% 的精力放在DataFrame上，因为它是二维数据的载体，Series可以看作它的「一列」，Index则是它的「行标签系统」。

数据分析流程：按阶段组织函数的黄金框架

学习和使用 pandas 的重点是DataFrame的应用。建议大家按照数据分析的流程来掌握对应的函数和方法，这样做往往事半功倍。下面的流程图中，蓝色虚线圈中的部分就是可以通过 BI 工具（如 Power BI、Tableau 等）或 Python 程序来完成的部分。

整个流程可以拆解为五个阶段，下面逐一展开，每个阶段给出完整可用的函数签名与参数说明。

阶段一：数据获取（数据加载）

数据获取也可以称为数据加载，其本质就是创建DataFrame对象，需要掌握以下几个函数。

1. 从 CSV 文件加载数据

pd.read_csv是最高频的加载函数，参数众多，下面给出完整清单：

pd.read_csv( filepath, # CSV文件路径（可以本地绝对路径或相对路径，也可以是一个URL） sep, # 字段分隔符（默认是逗号） header, # 表头在第几行 encoding, # 文件编码（默认utf-8） quotechar, # 包裹字符串的符号（默认是双引号） usecols, # 加载哪些列 index_col, # 指定索引列 dtype, # 指定列的数据类型 converters, # 指定列的数据转换器 nrows, # 加载多少行数据 skiprows, # 指定需要跳过的行 parse_dates, # 将哪些列解析为日期时间 date_format, # 日期格式 true_values, # 被视为布尔值True的值 false_values, # 被视为布尔值False的值 na_values, # 被视为空值的值 na_filter, # 是否检测空值标记 on_bad_lines, # 遇到有问题的行如何处理（可选项：'error'、'warn'、'skip'） engine, # 指定底层引擎（例如：可以使用更快的Arrow引擎来处理体量更大的数据） iterator, # 是否开启迭代器模式（处理大数据时减少内存开销） chunksize, # 迭代器模式下每次加载数量的体量 )

仓库中的真实用法可以印证这一点。Day66-80/73.深入浅出pandas-2.md 使用北京积分落户数据演示了index_col的用法：

df3 = pd.read_csv('data/2018年北京积分落户数据.csv', index_col='id')

该教程还补充了两个实践细节：读取路径建议使用/作为分隔符；在 Windows 上若必须使用\，建议在字符串前加r使用原始字符串（如r'c:\new\data\xxx.csv'），以避开转义字符。仓库配套的 Notebook Day66-80/code/day04.ipynb 中还有批量读取多个 CSV 并合并的示例：

dfs = [pd.read_csv(os.path.join('res/jobs', filename)) for filename in ...]

2. 从 Excel 文件加载数据

pd.read_excel( io, # 工作簿文件的路径 sheet_name, # 工作表的名字 skip_footer, # 跳过末尾多少行 )

说明：read_excel函数跟read_csv有很多作用相同的参数，这里没有赘述；从 Excel 文件中加载数据时，没有迭代器模式。在 Day66-80/73.深入浅出pandas-2.md 中，一个工作簿内有多个以股票代码命名的工作表，可通过sheet_name指定加载哪个：

df4 = pd.read_excel('data/2022年股票数据.xlsx', sheet_name='AMZN', index_col='Date')

3. 从数据库或数仓加载数据

pd.read_sql( sql, # SQL查询或二维表的名字 con, # 数据库连接 parse_dates, # 指定需要解析成日期的列 index_col, # 指定索隐裂 columns, # 需要加载的列 chunksize, # 加载数据的体量 dtype, # 指定列的数据类型 )

其中的con参数需要传入数据库连接对象，例如 MySQL 场景下可以用pymysql或mysqlclient创建Connection对象后传入，这一用法在 Day66-80/73.深入浅出pandas-2.md 中「读取关系数据库二维表创建DataFrame对象」一节有完整示例。

4. 其他创建 DataFrame 对象的方式

# 方式一：二维列表 + 索引 + 列名 pd.DataFrame(data=[[95, 87], [66, 78], [92, 89]], index=[1001, 1002, 1003], columns=['Verbal', 'Math']) # 方式二：字典（键为列名，值为列数据）+ 索引 pd.DataFrame(data={'Verbal': [95, 66, 92], 'Math': [87, 78, 89]}, index=[1001, 1002, 1003])

创建后必会的查看与访问操作

如果要对DataFrame中的数据或索引进行操作，需要掌握下面的运算和方法。

# 1. 查看信息 df.info() # 2. 查看前/后 N 行 df.head(10) df.tail(5) # 3. 操作列 df['column_name'] df.colume_name # 注意：仅当列名是合法的Python标识符时可用 # 4. 操作行 df.loc['row_index'] # 按标签（索引名）取行 df.iloc[0] # 按整数位置取行 # 5. 操作单元格 df.at['row_index', 'column_name'] # 按标签取单元格 df.iat[0, 0] # 按整数位置取单元格

结构调整：删除、筛选、抽样、索引管理

# 6. 删除行或列 df.drop( labels, # 要删除的行或列的索引 axis, # axis=0，labels表示行索引；axis=1，labels表示列索引 index, # 要删除的行的索引 columns, # 要删除的列的索引 inplace, # 是否就地删除（inplace=True，表示就地删除不返回新DataFrame对象） ) # 7. 筛选数据 df.query(expr) # 通过表达式指定筛选条件 df[bool_index] # 布尔索引 # 8. 随机抽样 df.sampe( n, # 样本容量 frac, # 抽样比例 replace, # 有放回或无放回抽样（默认值False） random_state, # 随机数种子（种子相同每次抽样的结果相同） ) # 9. 重置索引 df.reset_index( level, # 对于多级索引指定重置哪一级的索引 drop, # 是否丢弃索引（drop=False表示索引会被处理成普通列） inplace, # 是否就地处理（要不要返回新的DataFrame对象） ) # 10. 设置索引 df.set_index( keys, # 指定作为索引的列 drop, # 是否删除作为索引的列（默认值True） append, # 是否将指定列加入现有的索引（默认值False） inplace, # 是否就地处理（要不要返回新的DataFrame对象） verify_integrity, # 检查索引列是否存在重复值（默认值False） ) # 11. 调整索引顺序 df.reindex() df[fancy_index] # 花式索引 df.loc[facy_index] # 花式索引 df.iloc[fancy_index] # 花式索引 # 12. 索引排序 df.sort_index( axis, # 确定行索引或列索引（默认值0） level, # 对于多级索引指定索引的级别 ascending, # 升序或降序（默认值True） inplace, # 是否就地排序 kind, # 排序算法（默认值'quicksort'） na_position, # 空值放在最前还是最后（默认值'last'） key, # 传入比较索引大小的函数（自定义比较规则） )

阶段二：数据重塑（拼接与合并）

数据重塑解决的是「多张表如何组合成一张表」的问题，对应 SQL 中的UNION与JOIN两种语义。

1. 拼接（类似于 SQL 中的 union 操作）

pd.concat( objs, # 保存多个DataFrame对象的容器 axis, # 沿着哪个轴进行拼接 ignore_index, # 是否忽略原来的索引（默认值False） )

Day66-80/74.深入浅出pandas-3.md 中提供了真实示例：读取两张员工表后，直接pd.concat([emp_df, emp2_df])完成纵向拼接，形成完整的员工数据。

2. 合并（类似于 SQL 中的 join 操作）

pd.merge( left, # 左表 right, # 右表 how, # 指定连表的方式（默认值'inner'表示内连接） on, # 指定连表字段（如果左右两表连表字段同名） left_on, # 指定左表的连表字段 right_on, # 指定右表的连表字段 left_index, # 是否使用左表的索引连表 right_index, # 是否使用右表的索引连表 suffixes, # 指定同名列的后缀（默认值('_x', '_y')） )

同样在 Day66-80/74.深入浅出pandas-3.md 中，将员工表与部门表通过how='inner'、on='dno'合并，得到了员工所属部门信息，这就是典型的按外键字段做等值连接。

阶段三：数据清洗（缺失值、重复值、异常值与预处理）

数据清洗是分析流程中最耗时、也最考验经验的一环，重点分四步走：甄别 → 删除/填充 → 预处理。

1. 缺失值处理

# 甄别缺失值 df.isna() df.notna() # 删除缺失值 df.dropna( axis, # 删行或删列（默认值0） how, # 是否存在任意一个缺失值就删除（默认值'any'） subset, # 只对哪些行或列删除空值 inplace, # 是否就地删除（要不要返回新的DataFrame对象） ) # 填充缺失值 df.fillna( value, # 填充的值 method, # 填充空值的方法 inplace, # 是否就地填充（要不要返回新的DataFrame对象） ) # 使用插值算法插值 df.interpolate( method, # 插值算法（默认值'linear'表示线性插值法） axis, # 沿着哪个轴插值 inplace, # 是否就地插值（要不要返回新的DataFrame对象） )

Day66-80/74.深入浅出pandas-3.md 对此有详细展开：dropna默认沿 0 轴删除整行，指定axis=1则删除整列；fillna除了指定value，还可以通过method='ffill'用前一个单元格的值填充、method='bfill'用后一个单元格的值填充，例如emp_df.fillna(value=0)将空值统一置为 0。

2. 重复值处理

# 甄别重复值 df.duplicated( subset, # 用于判断重复的列标签 keep, # 如何处理重复项（默认值'first'表示保留第一项） ) # 删除重复值 df.drop_duplicates( subset, # 用于判断重复的列标签 keep, # 如何处理重复项（默认值'first'表示保留第一项） inplace, # 是否就地去重（默认值False） ) # 统计非重复值 df.nunique(axis)

Day66-80/74.深入浅出pandas-3.md 中演示了两种典型场景：dept_df.drop_duplicates('dname')按部门名称去重；而all_emp_df.drop_duplicates(['ename', 'job'], inplace=True)同时以员工姓名和岗位两个字段判断重复并就地删除——注意keep参数可选'first'（保留第一项）、'last'（保留最后一项）或False（重复项全部删除）。

3. 异常值处理

异常值的处理重点在甄别，可以使用数值判定法、z-score 判定法、孤立森林等方法来进行甄别离群点，然后结合实际业务意义判定是不是异常值。对于异常值的处理，通常是替换或删除，删除可以用之前提到的drop方法删行或者删列。

# 替换异常值 df.replace( to_replace, # 被替换的值 value, # 替换的值 inplace, # 是否就地替换（要不要返回新的DataFrame对象） regex, # 是否启动正则表达式替换（默认值False） )

该教程中还给出了批量替换的进阶用法：emp_df.replace({'sal': [1800, 9000], 'comm': 800}, {'sal': avg_sal, 'comm': 1000})，用字典同时指定多个被替换值与对应的替换值。

4. 预处理：Series 上的六大类操作

预处理通常在Series对象上对数据进行操作，假设变量s是一个Series对象。

日期时间预处理：

s.dt.year # 年 s.dt.quarter # 季度 s.dt.month # 月 s.dt.day # 日 s.dt.hour # 时 s.dt.minute # 分 s.dt.second # 秒 s.dt.weekday # 星期几 s.dt.to_period(freq) # 以特定频率转换 s.dt.floor(freq) # 下取整 s.dt.ceil(freq) # 上取整 s.dt.round(freq) # 舍入 s.dt.strftime(date_format) # 格式化 s.dt.tz_localize(tz) # 时区本地化 s.dt.tz_convert(tz) # 转换时区

字符串预处理：

s.str.lower() # 字符串变小写 s.str.upper() # 字符串变大写 s.str.title() # 字符串首字母大写 # 字符串拆分 s.str.split( pat, # 拆分字符或正则表达式 n, # 最大拆分次数 expand, # 是否将拆分后的内容展开成多个列（默认值False） ) # 从字符串中捕获内容 s.str.extract( pat, # 正则表达式 flags, # 正则表达式处理标记 expand, # 是否将捕获内容展开成多个列（默认值True） ) s.str.isalpha() # 检查字符串是不是字母 s.str.isnumeric() # 检查字符串是不是数值 s.str.isalnum() # 检查字符串是不是字母数字 s.str.isspace() # 检查字符串是不是空白字符 s.str.startswith() # 检查字符串是否以指定内容开头 s.str.endswith() # 检查字符串是否以指定内容结尾 # 检查字符串是否跟正则表达式匹配 s.str.match( pat, # 正则表达式 flags, # 正则表达式处理标记 ) # 检查字符串是否包含指定内容 s.str.contains( pat, # 字符串或正则表达式 flags, # 正则表达式处理标记 regex, # 是否使用正则表达式（默认值True） ) # 替换 s.str.replace( pat, # 被替换的内容（字符串或正则表达式） repl, # 替换的内容 n, # 最大替换次数（默认值-1表示全部替换） flags, # 正则表达式处理标记 regex, # 是否使用正则表达式（默认值True） ) s.str.strip() # 去掉字符串多余的空格 s.str.join(sep) # 用指定的分隔符将内容拼接成字符串 # 字符串拼接 s.str.cat( others, # 拼接的内容 sep, # 分隔符 na_rep, # 空值的替代符 ) s.str.len() # 获得字符串长度 # 查找子串的位置 s.str.find( sub, # 子串 start, # 起始位置 end, # 结束位置 )

类别（category）预处理：

# 类别重排序 s.cat.reorder_categories( new_categories, # 新的类别顺序 inplace, # 是否就地处理（默认值False） ) # 添加类别 s.cat.add_categories( new_categories, # 要添加的新类别 inplace, # 是否就地处理（默认值False） ) # 移除类别 s.cat.remove_categories( removals, # 要移除的类别 inplace, # 是否就地处理（默认值False） ) # 移除没有使用的类别 s.cat.remove_unused_categories( inplace, # 是否就地处理（默认值False） ) # 类别重命名 s.cat.rename_categories( new_categories, # 新的类别名称 inplace, # 是否就地处理（默认值False） )

二值化（虚拟变量）：机器学习建模前，常把类别型变量转换为 0/1 矩阵。

pd.get_dummies( data, # 需要转换为虚拟变量的Series或DataFrame prefix, # 指定生成的虚拟变量列的前缀 prefix_sep, # 前缀和列名之间的分隔符 dummy_na, # 是否为空值（NaN）生成一个列（默认值False） columns, # 指定要转换的列名 drop_first, # 是否从生成的虚拟变量中删除第一个类别的列（默认值False） )

离散化（分箱）：将连续型变量切分为区间，cut按等宽区间切分、qcut按分位数切分。

pd.cut( x, # 要分割的输入数据（一维数据） bins, # 分割的区间数或具体的区间边界 right, # 区间是否包含右端点（默认值False） labels, # 指定每个区间的标签 retbins, # 是否返回分割的边界数组（默认值False） ordered, # 返回的类别是否是有序的（默认值True） ) pd.qcut( x, # 要分割的输入数据（一维数据） q, # 分割点的数量或具体的分位数 labels, # 指定每个区间的标签 retbins, # 是否返回分割的边界数组（默认值False） )

自定义转换：当内置函数无法满足需求时，用map/apply/transform三个方法做灵活的元素级或行列级变换。

s.map(arg) # 对数据进行元素级别的转换和映射 df.map(func) # 对数据进行元素级别的转换和映射 # 通过指定函数对数据进行元素级别的转换（Series） s.apply( func, # 作用于每个元素的函数 convert_type, # 尝试将结果转换为最适合的类型（默认值True） args, # 传递给func的额外位置参数 kwargs, # 传递给func的额外关键字参数 ) # 通过指定函数对数据进行行级或列级的转换（DataFrame） df.apply( func, # 作用域行或列的函数 axis, # 控制做行级还是列级转换 result_type, # 指定返回的类型（'expand'表示扩展为列，'reduce'表示返回标量，'broadcast'表示广播为原始形状） args, # 传递给func的额外位置参数 kwargs, # 传递给func的额外关键字参数 ) s.transform(func) # 通过指定一个或多个函数对数据进行元素级别的转换 df.transform(func) # 通过指定一个或多个函数对数据进行行级或列级转换

阶段四：数据透视（统计、聚合与透视表）

1. 描述性统计信息

s.mean() # 均值 s.median() # 中位数 s.mode() # 众数 s.max() # 最大值 s.min() # 最小值 s.var(ddof) # 方差（ddof代表自由度校正值） s.std(ddof) # 标准差（ddof代表自由度校正值） s.skew() # 偏态系数 s.kurt() # 峰度系数

2. 相关性分析

df.cov() # 协方差 df.corr(method) # 相关系数（默认'pearson'表示皮尔逊相关系数，可选值还有'kendall'和'spearman'）

Day66-80/76.深入浅出pandas-5.md 中用波士顿房价数据集演示了corr的实际用途：boston_df[['NOX', 'RM', 'PTRATIO', 'LSTAT', 'PRICE']].corr()计算皮尔逊相关系数找出与房价正/负相关的特征，再用corr(method='spearman')对比秩相关的结果。

3. 排序和头部值

# 排序（Series） s.sort_values( asending, # 升序或降序（默认值True） inplace, # 是否就地排序（默认值False） kind, # 排序算法（默认值'quicksort'） na_position, # 空值的位置（默认值'last'） key, # 指定比较元素的规则（函数） ) # 排序（DataFrame） df.sort_values( by, # 排序的依据 ascending, # 升序或降序（默认值True） inplace, # 是否就地排序（默认值False） kind, # 排序算法（默认值'quicksort'） na_position, # 空值的位置（默认值'last'） key, # 指定比较元素的规则（函数） ) # TopN元素（头部，Series） s.nlargest( n, # 前N个最大值 keep, # 如何处理重复值（默认值'first'） ) # TopN元素（头部，DataFrame） df.nlargest( n, # 前N个最大值 columns, # 指定用于排序的列名 keep, # 如何处理重复值（默认值'first'） ) # TopN元素（尾部，Series） s.nsmallest( n, # 前N个最小值 keep, # 如何处理重复值（默认值'first'） ) # TopN元素（尾部，DataFrame） df.nsmallest( n, # 前N个最小值 columns, # 指定用于排序的列名 keep, # 如何处理重复值（默认值'first'） )

4. 分组聚合

df.groupby( by, # 指定用于分组的列名 level, # 对于多级索引指定用哪一级分组 as_index, # 是否将分组的列设置为索引（默认值True） sort, # 是否对分组的结果进行排序（默认值True） observed, # 只考虑在数据中实际出现的分组（默认值False） ).aggregate( func, # 单个函数或函数列表 args, # 函数的可变参数 kwargs, # 函数的关键字参数 )

Day66-80/75.深入浅出pandas-4.md 用 2020 年销售数据把这个流程讲透了，四个递进例子非常有代表性：

# 按销售区域分组，求销售额之和（结果为Series） df.groupby('销售区域').销售额.sum() # 按月份分组（先用 dt.month 提取月份再分组） df.groupby(df['销售日期'].dt.month).销售额.sum() # 多级分组：每个销售区域每个月的销售总额 df.groupby(['销售区域', df['销售日期'].dt.month]).销售额.sum() # 多聚合函数：agg 同时求总和、最大值、最小值，并可重命名结果列 df.groupby('销售区域').销售额.agg(销售总额='sum', 单笔最高='max', 单笔最低='min') # 对不同列使用不同聚合函数 df.groupby('销售区域')[['销售额', '销售数量']].agg({...})

此外还有宽窄表互转的两个方法：df.pivot(index=..., columns=..., values=...)把「窄表」转成行少列多的宽表；df.melt(id_vars=..., value_vars=..., var_name=..., value_name=...)把宽表「熔化」成长表。

df.pivot( index, # 指定用作索引的列 columns, # 要作为新列的列 values, # 用于填充新DataFrame中的值的列 ) df.melt( id_vars, # 在转换过程中保持不变的列 value_vars, # 要转换为行的列 var_name, # 指定存储原列名的新列名 value_name, # 指定存储原数据值的新列名 )

5. 透视表

透视表的本质就是对数据进行分组聚合操作，即根据 A 列对 B 列进行统计——用过 Excel 透视表的读者对此一定不陌生。index参数相当于「A 列」、values参数相当于「B 列」，二者都可以是单列或多列。

pd.pivot_table( data, # DataFrame对象 values, # 需要聚合的列 index, # 分组数据的字段（行索引） columns, # 分组数据的字段（列索引） aggfunc, # 聚合函数（默认值'mean'） fill_value, # 填充空值的值 margins, # 是否计算行列总计（默认值False） margins_name, # 总计列的名字（默认值'All'） observed # 只考虑在数据中实际出现的分组（默认值False） )

Day66-80/75.深入浅出pandas-4.md 给出了从简到繁的三个例子：

# 统计每个销售区域的销售总额 pd.pivot_table(df, index='销售区域', values='销售额', aggfunc='sum') # 统计每个销售区域每个月的销售总额（两个行索引） pd.pivot_table(df, index=['销售区域', '月份'], values='销售额', aggfunc='sum') # 销售区域作行、月份作列，空值补0，并增加行列总计 pd.pivot_table(df, index='销售区域', columns='月份', values='销售额', aggfunc='sum', fill_value=0, margins=True, margins_name='总计')

注意：同样按单个列聚合时，groupby返回Series，而pivot_table返回DataFrame，两者对象类型不同，后续操作方式也不同。

6. 交叉表

交叉表是一种特殊的透视表，它不需要先构造DataFrame对象，而是直接通过数组或Series指定多个因素进行运算得到统计结果。

pd.crosstab( index, # 交叉表中的行变量 columns, # 交叉表中的列变量 values, # 用于填充交叉表的值（可选项） aggfunc, # 聚合函数（可选项） margins, # 是否计算行列总计（默认值False） margins_name, # 总计列的名字（默认值'All'） )

例如，准备销售区域与销售月份两组Series后，可用pd.crosstab(index=sales_area, columns=sales_month, values=sales_amount, aggfunc='sum').fillna(0).astype('i8')直接得到统计结果，再通过fillna和astype完成空值补零与类型转换。

阶段五：数据呈现（可视化）

数据分析的最后一步是呈现结论。pandas 内置的plot方法基于 matplotlib，一行代码即可完成常用图表绘制。

df.plot( figsize, # 图表尺寸（二元组） kind, # 图表类型 ax, # 绘图的坐标系 x, # 横轴数据 y, # 纵轴数据 title, # 图表标题 grid, # 是否绘制网格 legend, # 是否显示图例 xticks, # 横轴刻度 yticks, # 纵轴刻度 xlim, # 横轴取值范围 ylim, # 纵轴取值范围 xlabel, # 横轴标签 ylabel, # 纵轴标签 rot, # 轴标签旋转角度 fontsize, # 轴标签字体大小 colormap, # 颜色系列 stacked, # 是否绘制堆叠图（默认值False） colorbar, # 是否显示色彩条 )

plot方法最重要的参数是kind，它可以控制图表的类型：

1. 折线图：kind='line'
2. 散点图：kind='scatter'
3. 柱状图：kind='bar'
4. 条状图（水平柱状图）：kind='barh'
5. 饼状图：kind='pie'
6. 直方图：kind='hist'
7. 箱线图：kind='box'
8. 面积图：kind='area'
9. 核密度估计图：kind='kde'

仓库中的例子：Day66-80/75.深入浅出pandas-4.md 先在透视表上调用plot生成柱状图比较「每个销售区域的销售总额」；Day66-80/76.深入浅出pandas-5.md 中result_df.plot(kind='line', figsize=(10, 6))则用折线图展示时间序列趋势。更丰富的 matplotlib 应用见 Day66-80/78.数据可视化-1.md 起的可视化系列文档。

学习路线建议与仓库实践入口

「按流程学函数」这套方法的核心价值在于：每个阶段只记一组函数，使用时按流程定位。建议找一个真实数据集（例如本仓库 Day66-80/code/res/jobs 下的多城市职位数据 CSV，或 Day66-80/code/res/2023年北京积分落户数据.csv），按照「加载 → 查看 → 清洗 → 聚合 → 可视化」的顺序把本文涉及的函数完整走一遍，印象会深刻很多。

如果你希望系统性地深入学习 pandas，本仓库提供了完整的配套教程：

• Day72 - 深入浅出pandas-1：Series与DataFrame的创建、运算、索引与切片
• Day73 - 深入浅出pandas-2：read_csv/read_excel/read_sql数据加载细节
• Day74 - 深入浅出pandas-3：concat/merge数据重塑，缺失值与重复值清洗
• Day75 - 深入浅出pandas-4：groupby分组聚合与pivot_table/crosstab透视表实战
• Day76 - 深入浅出pandas-5：协方差、相关系数与时间序列分析
• Day77 - 深入浅出pandas-6：更多进阶数据处理技巧
• 配套可运行代码：Day66-80/code/day04.ipynb 至 Day66-80/code/day06.ipynb 中包含了上述教程的全部可执行示例

此外，数据分析的前置铺垫（NumPy）与后续延伸（可视化）分别在 Day66-80/68.NumPy的应用-1.md 起的 NumPy 系列和 Day66-80/78.数据可视化-1.md 起的可视化系列中。需要说明的是，随着数据体量增大，业界也出现了 polars、cuDF 等 pandas 替代品，但它们的核心 API 与使用方式跟 pandas 大同小异——吃透 pandas 这套流程方法论，迁移到任何新工具上都能快速上手。

总结：驾驭 pandas 的关键不在于背下所有函数，而在于建立「三大核心类型 + 五阶段分析流程」的知识地图。把本文的速查表保存下来，在实际项目中按流程调用，你就能从「思路混乱」走向「得心应手」。

• 文档
• 教程