pandas：Python 数据分析的基础设施

48,964 Star。

pandas 是 Python 生态里做数据分析绕不开的一个库。2008 年从量化基金 AQR 起步，到现在快二十年了，几乎是所有数据科学项目的标配。

1、 它解决什么问题

做数据分析，第一步永远是把数据弄干净。原始数据的格式五花八门，CSV 里缺值，Excel 里列名混乱，时间序列对不上，多个表要合并。这些脏活累活，pandas 一个库全接了。

它提供两个核心数据结构：Series（一维）和 DataFrame（二维表格）。大多数操作围绕 DataFrame 展开：筛选列、过滤行、分组聚合、合并多表、处理缺失值、时间序列计算。

2、 核心能力

几个用得最多的功能。

处理缺失值：数据里出现 NaN、NA、NaT，pandas 能识别、填充、删除，不用自己写判断逻辑。

数据对齐：两个表的索引不一致，pandas 会按标签自动对齐，不用手动拼。

分组聚合：group by 支持 split-apply-combine 模式，按某个字段分组后做聚合或变换，一行代码搞定。

数据合并：merge、join、concat，覆盖了 SQL 里常见的各种连接方式。

时间序列：日期范围生成、频率转换、窗口统计、日期偏移，金融和 IoT 场景用得多。

I/O：支持读写 CSV、Excel、SQL、HDF5 等格式，一个 read_xxx 就能加载数据。

3、 装起来很简单

pip install pandas
# 或
conda install -c conda-forge pandas

依赖只有 NumPy 和 python-dateutil，Windows 上额外需要 tzdata。

从源码装也行，但需要先装 Cython：

pip install cython
pip install .

4、 适合谁用

在做数据分析、数据清洗的人。搞机器学习需要预处理特征的。做量化、金融、IoT 需要处理时间序列的。写 RAG 管线需要把结构化数据灌进向量库的。

pandas 不是万能的。数据量特别大，几亿行以上的时候，性能会成为瓶颈，这时候可以看 Polars 或者 Dask。但在大多数日常分析场景下，pandas 够用，生态也最成熟。

颈，这时候可以看 Polars 或者 Dask。但在大多数日常分析场景下，pandas 够用，生态也最成熟。