Pandas 入门二：DataFrame 核心操作，新手也能轻松筛选/修改数据

Pandas数据处理实战：从数据洞察到精准操作

上一篇文章我们完成了Pandas环境的搭建与数据导入，成功将表格数据加载为DataFrame。本篇我们将深入数据处理的核心环节：快速完成数据诊断、精准筛选目标信息、高效修改数据内容。每个环节均提供可直接运行的代码与结果演示，通过实践掌握DataFrame基础操作的完整流程。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

一、衔接回顾：数据准备

首先快速建立操作环境。沿用之前的示例数据集，通过以下代码完成数据加载与预览。

import pandas as pd
# 读取数据（确保文件路径正确）
df = pd.read_csv("data.csv")
print("原始数据：")
print(df.head())

执行代码后，你将看到结构清晰的DataFrame预览：

原始数据：
   姓名  年龄  城市  消费金额
0  张三  25  北京    300
1  李四  32  上海    500
2  王五  28  广州    450
3  赵六  23  深圳    380
4  孙七  35  杭州    600

后续所有数据处理操作都将基于此DataFrame展开。

二、第一步：快速数据诊断

在开始筛选或修改前，花几分钟了解数据全貌至关重要。这能有效避免后续操作中的潜在错误，提升数据处理效率。

1. 查看数据基本信息：info()

要快速掌握数据整体结构，info()函数是首选工具。它能清晰展示数据行数、列数、每列数据类型及非空值数量。

df.info()

运行结果示例：

RangeIndex: 10 entries, 0 to 9  # 共10行数据
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   姓名     10 non-null     object
 1   年龄     10 non-null     int64
 2   城市     10 non-null     object
 3   消费金额   10 non-null     int64
dtypes: int64(2), object(2)

2. 查看数据统计信息：describe()

对于数值型列（如年龄、金额），describe()能快速生成关键统计摘要，包括计数、均值、标准差及各分位数。

df.describe()

运行结果示例：

年龄      消费金额
count  10.000000   10.000000  # 数据个数
mean   29.300000  423.000000  # 平均值
std     4.578209  105.687374  # 标准差
min    23.000000  300.000000  # 最小值
25%    26.500000  365.000000  # 25%分位数
50%    29.000000  435.000000  # 中位数
75%    32.500000  500.000000  # 75%分位数
max    35.000000  600.000000  # 最大值

3. 查看数据形状：shape

需要立即获知数据表的维度信息吗？使用shape属性（注意这是属性而非方法，无需括号）。

print("数据形状（行数×列数）：", df.shape)  # 输出：(10, 4) 表示10行4列

三、第二步：核心数据筛选技巧

数据筛选是数据分析的日常高频操作。无论是提取特定列，还是根据条件过滤行，Pandas都能通过简洁的语法高效完成。

1. 场景一：按列筛选

假设我们仅需查看“姓名”和“消费金额”两列，以下两种方法最为常用。

# 方法1：直接传入列名列表（最直观）
df_selected = df[["姓名", "消费金额"]]

# 方法2：使用loc函数（为后续复杂筛选铺垫）
df_selected2 = df.loc[:, ["姓名", "消费金额"]]  # 冒号:表示选取所有行

print("筛选后的数据（姓名+消费金额）：")
print(df_selected.head())

运行结果：

筛选后的数据（姓名+消费金额）：
   姓名  消费金额
0  张三    300
1  李四    500
2  王五    450
3  赵六    380
4  孙七    600

2. 场景二：按条件筛选行

如何快速找出“年龄大于28岁”或“城市在北京”的用户？这需要运用“布尔索引”技术。

# 1. 筛选年龄大于28岁的用户
df_age = df[df["年龄"] > 28]
print("年龄大于28岁的用户：")
print(df_age)

# 2. 筛选城市是北京的用户（文本匹配需用==）
df_city = df[df["城市"] == "北京"]
print("\n城市是北京的用户：")
print(df_city)

# 3. 多条件组合筛选（例如：年龄>25 且 消费金额≥400）
# 关键点：每个独立条件必须用括号括起，逻辑运算符使用 &（且）、|（或）
df_multi = df[(df["年龄"] > 25) & (df["消费金额"] >= 400)]
print("\n年龄>25且消费金额≥400的用户：")
print(df_multi)

运行结果示例（多条件筛选）：

年龄>25且消费金额≥400的用户：
   姓名  年龄  城市  消费金额
1  李四  32  上海    500
2  王五  28  广州    450
4  孙七  35  杭州    600

3. 进阶技巧：按位置索引筛选

当你明确需要第几行、第几列的数据时，iloc（基于整数位置的索引）是最高效的选择。

# iloc[行索引, 列索引] → 索引从0开始计数
# 1. 选取第2行（索引为1）的所有列
df_row = df.iloc[1, :]
print("第2行数据：")
print(df_row)

# 2. 选取前3行（索引0-2）的第1列和第4列（索引0和3）
df_row_col = df.iloc[:3, [0, 3]]
print("\n前3行的姓名和消费金额：")
print(df_row_col)

四、第三步：数据修改与增强

筛选出目标数据后，修改和增强是常见的后续步骤。以下四个操作覆盖了大部分数据修改需求。

1. 修改列名

如果原始列名不够直观或需要标准化，可以使用rename()函数进行批量或单个修改。

# 通过字典映射修改列名
df_renamed = df.rename(columns={"消费金额": "消费总额", "城市": "所在城市"})
print("修改列名后：")
print(df_renamed.head())

运行结果示例：

修改列名后：
   姓名  年龄  所在城市  消费总额
0  张三  25  北京    300
1  李四  32  上海    500

2. 修改特定单元格的值

需要修正某个具体数据点？例如，将“张三”的消费金额更新为350。

# 推荐方法：按条件定位修改（更安全，不易因行序变动而出错）
df.loc[df["姓名"] == "张三", "消费金额"] = 350

# 备选方法：按精确索引位置修改（已知行号列号时使用）
# df.iloc[0, 3] = 350  # 第1行第4列

print("修改后的数据（张三的消费金额）：")
print(df[df["姓名"] == "张三"])

运行结果：

修改后的数据（张三的消费金额）：
   姓名  年龄  城市  消费金额
0  张三  25  北京    350

3. 添加新列

基于现有列计算衍生指标是数据分析的常见需求，例如计算折扣价或添加分类标签。

# 1. 添加“折扣后金额”（基于消费金额计算）
df["折扣后金额"] = df["消费金额"] * 0.9

# 2. 添加“是否高消费”标签（条件判断）
df["是否高消费"] = df["消费金额"] >= 500  # 结果为布尔值True/False

print("添加新列后：")
print(df.head())

运行结果示例：

添加新列后：
   姓名  年龄  城市  消费金额  折扣后金额  是否高消费
0  张三  25  北京    350    315.0    False
1  李四  32  上海    500    450.0     True
2  王五  28  广州    450    405.0    False

4. 删除列或行

对于不再需要的数据列或行，可以将其从DataFrame中移除以简化数据结构。

# 1. 删除列：指定axis=1，inplace=True表示直接修改原数据
df.drop(columns=["是否高消费"], axis=1, inplace=True)

# 2. 删除行：指定axis=0，例如删除索引为3的行
df.drop(index=[3], axis=0, inplace=True)

print("删除列和行后：")
print(df.head())

五、新手避坑指南

在实践过程中，有几个高频错误点需要特别注意：

列名书写错误：列名必须与df.info()的输出完全一致，注意中英文、空格和大小写。

多条件筛选缺少括号：像df[df[“年龄”]>25 & df[“消费金额”]≥400]这样的写法会报错。务必为每个独立条件加上括号：(df[“年龄”]>25) & (df[“消费金额”]≥400)。

混淆loc与iloc：loc基于标签（列名/行索引名）筛选，iloc基于整数位置索引筛选。

修改未保存：如果希望将修改后的数据持久化到文件，记得使用df.to_csv(“新文件名.csv”, index=False)进行保存。

六、技能总结

至此，你已经掌握了Pandas DataFrame基础操作的核心技能：

使用info()、describe()、shape快速完成数据诊断。

运用列筛选、条件筛选和索引筛选，精准定位目标数据。

执行列名修改、值更新、列添加与删除，实现数据内容的调整与增强。

识别并避开常见错误，确保代码的稳定运行。

恭喜！现在你已经具备了用代码高效处理表格数据的能力，可以尝试将这些技巧应用到实际工作场景中了。