刚接触 Pandas 的那阵子,总觉得它的函数又多又杂,每次处理表格都要现查半天文档,一不小心就退回去写慢吞吞的逐行 for 循环。后来花时间把底层最基础的几个对象顺了一遍,发现平时大部分数据清洗动作其实都围着同一套逻辑打转。
Series、DataFrame 和自动对齐的索引
简单来说,Series 就是一列带行标签的数据,而 DataFrame 则是好几列 Series 共享同一套行索引拼出来的表格。列通常代表不同的字段,行代表每一条记录,做加减运算或拼接时,Pandas 会自动按索引去对齐数据。另外值得留心的是,绝大多数方法默认都会返回一份新表,原表并不会直接被改掉。
取数与条件筛选
取单列一般会拿到 Series,传一组列名则会拿到子 DataFrame;要按标签或行列位置精确取值时,用 loc 和 iloc 最清楚,也不容易踩链式赋值的警告。平时用得最多的条件筛选其实就两步:先写条件算出一列布尔值(True / False),再拿这列布尔值去筛出想要的行。
mask = df["shield"].eq(8)
result = df.loc[mask, ["name", "shield"]]
变换、汇总与拼表
日常做字段加工和统计时,常用方法各自的分工也挺好记:map 适合对单列里的每个元素做映射替换,apply 适合按行或按列跑自定义函数,像求和、均值这类统计则是把整列压成一个数。需要拼表的时候,结构相同的表上下接起来用 concat,按某个公共字段左右关联用 merge;至于分组统计,groupby 会先把数据按条件分好组,再对每一组分别执行后面的汇总或变换。
把这几样关系顺明白之后,再遇到陌生的表格处理需求,基本都能顺着“选列 → 筛行 → 变换 → 分组或拼表”的顺序自然写出来。完整示例可以翻看 2023 年的旧站笔记。
评论 0
还没有留言,欢迎写下你的想法或补充。
留条评论
留言会在审核后公开显示;邮箱仅在需要回复联系时使用,不会公开。
返回文章开头