【实战入门】Pandas数据处理核心操作全解析

1. 从零开始认识Pandas数据结构

刚接触数据分析时，我最头疼的就是如何高效处理杂乱无章的表格数据。直到遇见Pandas这个神器，它就像Excel的超级加强版，特别适合处理结构化数据。咱们先从最基础的两种数据结构说起：

Series相当于带标签的一维数组，我常把它想象成Excel里的单列数据。比如记录每日气温：

python复制import pandas as pd
temperatures = pd.Series([22, 25, 19], index=['周一', '周二', '周三'])

这个简单的例子包含了三个关键要素：数据值([22,25,19])、索引标签(['周一','周二','周三'])和数据类型(自动推断为int64)。实际工作中，我经常用字典来创建Series：

python复制sales_dict = {'北京': 3500, '上海': 4200, '广州': 3800}
sales_series = pd.Series(sales_dict)

DataFrame则是二维表格，就像多个Series拼成的Excel工作表。创建时最实用的方式是字典套列表：

python复制data = {
    '城市': ['北京', '上海', '广州'],
    '销售额': [3500, 4200, 3800],
    '增长率': [0.12, 0.15, 0.08]
}
df = pd.DataFrame(data)

新手容易混淆的是索引设置。默认会自动生成0-based行号，但实践中我建议用有业务意义的列作为索引：

python复制df.set_index('城市', inplace=True)

2. 数据读取与初步探索

真实项目中的数据源五花八门，我最常处理的是CSV文件。刚开始踩过不少坑，比如编码问题：

python复制# 正确的打开方式
df = pd.read_csv('sales_data.csv', encoding='gbk')  # 中文文件常用gbk编码

几个必查的参数：

• header=0：指定第一行为列名
• na_values=['NA', 'NULL']：自定义缺失值标记
• `parse_