Python 数据分析：Pandas 高效技巧

Pandas 是 Python 数据分析的核心库。掌握这些技巧，数据处理效率翻倍。

读取数据

import pandas as pd

# 读取多种格式
df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql("SELECT * FROM table", conn)

数据筛选

# 条件筛选
df[df["age"] > 25]
df[(df["age"] > 25) & (df["city"] == "北京")]

# loc 和 iloc
df.loc[0:5, ["name", "age"]]
df.iloc[0:5, 0:2]

数据转换

# 添加新列
df["age_group"] = pd.cut(df["age"], bins=[0, 18, 35, 60, 100])

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

# 替换值
df.replace({"旧值": "新值"})

分组聚合

# 分组统计
df.groupby("city")["age"].mean()
df.groupby("city").agg({
    "age": ["mean", "max"],
    "salary": "sum"
})

数据合并

# merge
pd.merge(df1, df2, on="id", how="inner")

# concat
pd.concat([df1, df2], axis=0)

性能优化

# 使用 categoricals 减少内存
df["category"] = df["category"].astype("category")

# 向量化操作代替循环
df["result"] = df["a"] + df["b"]  # ✅

Pandas 是数据科学家的必备工具，熟练掌握事半功倍！