Python 数据分析：Pandas 核心技巧速查

数据读取

import pandas as pd

df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_sql("SELECT * FROM table", conn)

数据探索

df.head()          # 前 5 行
df.info()          # 数据类型
df.describe()      # 统计信息
df.isnull().sum()  # 缺失值

数据筛选

# 条件筛选
df[df["age"] > 25]

# 多条件
df[(df["age"] > 25) & (df["city"] == "Beijing")]

# 使用 query
df.query("age > 25 and city == \"Beijing\"")

数据转换

# 添加列
df["new_col"] = df["col1"] + df["col2"]

# 应用函数
df["formatted"] = df["name"].apply(str.upper)

# 分组聚合
df.groupby("city")["sales"].sum()

数据合并

pd.merge(df1, df2, on="id")      # SQL JOIN
pd.concat([df1, df2])            # 上下拼接
df1.join(df2, on="id")           # 索引连接

数据透视

pd.pivot_table(df, values="sales", index="city", columns="year", aggfunc="sum")

Pandas 是数据分析的瑞士军刀，掌握核心技巧效率翻倍！