Skip to main content

3.3.1 Pandas 路线图：从原始表到分析表

Pandas 是本课程里的表格工作台。只要 CSV、Excel、日志表或 SQL 查询结果需要变成干净表格，就会用到它。

先看工作流​

Pandas 数据处理路线图

先记住这一行：

读取 -> 检查 -> 筛选 -> 清洗 -> 转换 -> 分组 -> 合并 -> 导出

不要一开始背 API。先问自己：我现在有什么表、最后需要什么表、中间哪一步在改变它？

先跑一次小表格​

创建 pandas_first_loop.py，安装 pandas 后运行。

import pandas as pd

orders = pd.DataFrame(
    [
        {"date": "2026-05-01", "category": "book", "amount": 120},
        {"date": "2026-05-02", "category": "tool", "amount": 80},
        {"date": "2026-05-03", "category": "book", "amount": None},
        {"date": "2026-06-01", "category": "book", "amount": 150},
    ]
)

clean = (
    orders.dropna(subset=["amount"])
    .assign(month=lambda df: pd.to_datetime(df["date"]).dt.to_period("M").astype(str))
)
summary = clean.groupby(["month", "category"], as_index=False)["amount"].sum()

print(summary)

预期输出形状：

     month category  amount
0  2026-05     book   120.0
1  2026-05     tool    80.0
2  2026-06     book   150.0

这就是 Pandas 主循环：创建或读取数据，清理缺失值，增加派生列，分组并汇总。

按这个顺序学​

顺序阅读练什么
13.3.2 核心数据结构Series、DataFrame、Index
23.3.3 数据读取与写入CSV、Excel、JSON、导出
33.3.4 数据选择与筛选loc、iloc、条件筛选
43.3.5 数据清洗缺失值、重复值、类型
53.3.6 数据转换新列、映射、字符串和日期处理
63.3.7 分组与聚合groupby、指标、类别/月度汇总
73.3.8 数据合并安全合并多张表
83.3.9 时间序列日期索引、重采样、时间窗口

通过标准​

能把一张原始表变成一张干净的汇总表，能解释每个字段为什么这样处理，并能把结果交给可视化或机器学习继续使用，就算通过。