ARTICLE · 1349394

Pandas:程序里的Excel,数据分析之王

发布时间：2026-11-13 08:21:37 最近访问：2026-11-13 08:21:37

🐼 Pandas：程序里的Excel，数据分析之王

《Python程序设计》系列文章 · 第13篇几千行的罐区数据表，几行代码搞定筛选、排序、统计——认识Pandas！

📖 场景引入

小李收到了一份真实的罐区数据表 tank_data.csv（Excel打开长这样）：

罐号      月份   输量   液位   温度
TK-101    1      520    8.2    24.5
TK-101    2      480    8.9    22.1
TK-102    1      610    13.6   23.0
...（共36行，3座罐×12个月）

"用列表套列表处理？"小李嘀咕着写了两行，感觉不对劲——列太多、行太多，写起来太绕。

师兄："该请出Pandas了——程序里的Excel，而且是加强版。"

🐼 装库与两种数据结构

pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

Pandas里两个核心概念：

结构	类比Excel	说明
Series	一列	一列带标签的数据
DataFrame	一张工作表	行索引+列名+数据，二维表

今天的主角就是 DataFrame。

📂 第一步：读取数据，先"看一眼"

import pandas as pd

df = pd.read_csv("tank_data.csv")    # 读CSV（Excel用read_excel）
print(df.head())       # 看前5行
print(df.shape)        # 看几行几列
print(df.info())       # 看列名、类型、缺失情况

运行结果：

      罐号  月份   输量   液位   温度
0  TK-101    1  520.0   8.2  24.5
1  TK-101    2  480.0   8.9  22.1
2  TK-101    3  510.0   9.4  26.3
3  TK-101    4  495.0   8.7  27.0
4  TK-101    5  530.0   9.1  25.8
(37, 5)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 37 entries, 0 to 36
Data columns (total 5 columns): ...

⚠️ 注意：shape显示37行——数据里故意混了一行缺失值，后面清洗时处理！

读取三查：head()看长啥样、shape()看多大、info()看健不健康。专业！

🔍 第二步：选列与筛选

print(df["输量"].head())            # 选一列（像Excel点列标）

high = df[df["液位"] > 13]          # 筛选：液位超13m的记录
print("── 超高液位记录 ──")
print(high)

运行结果（节选）：

超高液位记录：
       罐号  月份   输量   液位   温度
12  TK-102    1  610.0  13.6  23.0
13  TK-102    2  590.0  14.4  24.0
14  TK-102    3  605.0  15.2  25.0
...（共9条，都是TK-102的）

原理（面试级知识）：df["液位"] > 13 先算出一列True/False，df[条件] 把True的行保留下来——所以叫布尔筛选。

多条件组合用 &（且）、|（或），每个条件必须加括号：

df[(df["液位"] > 13) & (df["温度"] > 25)]

📊 第三步：统计与排序

print("全年总量：", df["输量"].sum())
print("平均液位：", df["液位"].mean().round(2))
print("── 输量前三名 ──")
print(df.sort_values("输量", ascending=False).head(3))

运行结果（节选）：

全年总量： 18906.0
平均液位： 10.98
── 输量前三名 ──
       罐号  月份   输量   液位   温度
18  TK-102    7  620.0  15.2  23.0
16  TK-102    5  615.0  13.6  27.0
22  TK-102   11  612.0  15.2  27.0

对照Excel记忆：sum()=求和公式、sort_values()=排序按钮、head(3)=取前三——只是快了一万倍！

🏆 杀手锏：groupby分组统计

"每座罐的年输量各是多少？"——手写循环十几行，Pandas一行：

stat = df.groupby("罐号")["输量"].sum()
print(stat)
print(f"平均液位：{df['液位'].mean():.2f} m")
print("液位异常记录数：", len(df[df["液位"] > 13]))

运行结果：

罐号
TK-101    6100.0
TK-102    7251.0
TK-103    5555.0
TK-104       0.0
Name: 输量, dtype: float64
平均液位：10.98 m
液位异常记录数： 9

🤔 注意到TK-104是0吗？因为数据里TK-104只有一行"缺失输量"的坏行——这正是下次实训要清洗的对象！

groupby = 分组 + 汇总：按罐号分组，每组内求输量之和。月报、年报的核心就这一招！

⚠️ 新手三大坑

坑	现象	解法
列名不一致	KeyError	`print(df.columns)` 核对真实列名
文件不在同目录	FileNotFoundError	把csv复制到程序目录，或写完整路径
多条件忘括号	报错	`df[(条件1) & (条件2)]`