一、环境搭建

首先安装Python数据分析环境。推荐使用Anaconda，它预装了pandas、numpy等常用库，省去逐一安装的麻烦。在浏览器中搜索Anaconda并进入官网，点击“跳过注册”直接下载对应系统版本。下载后一路默认安装即可。

安装完成后，在系统中搜索“Anaconda Prompt”并打开，这是一个命令行工具。输入python并回车，如果出现版本信息及>>>提示符，说明安装成功。退出Python环境可输入exit()。

为了方便编写代码，推荐使用VS Code编辑器。安装VS Code后，需要安装几个扩展：在扩展商店中搜索并安装“Jupyter”（配置交互式笔记本环境）、“Python”（支持Python语法）以及“中文简体包”（界面汉化）。安装完成后，按Ctrl+Shift+P打开命令面板，选择“新建Jupyter Notebook”。Jupyter笔记本允许代码按单元格逐行运行，非常适合数据分析。

新建笔记本后，需要选择内核。点击右上角的内核选择按钮，选中你已经安装的Python环境。然后开始导入本次分析所需的库：pandas（数据处理）和seaborn（数据加载和可视化）。在第一个单元格中输入以下代码并运行：

python

import pandas as pd
import seaborn as sns

二、加载与查看数据

我们使用seaborn内置的泰坦尼克号数据集（titanic），它记录了乘客的生存情况、性别、年龄、舱位等级等信息。运行以下代码加载数据：

python

titanic = sns.load_dataset('titanic')

执行后，输入titanic即可查看整个表格。常用查看方法如下：

• titanic.shape：返回行数和列数（891行，15列）

• titanic.head()：查看前5行

• titanic.info()：查看各列的数据类型及非空值数量

• titanic.describe()：对数值型列计算均值、标准差、分位数等基本统计量

三、数据导入导出（Excel）

将当前数据导出为Excel文件，使用to_excel方法：

python

titanic.to_excel('titanic.xlsx')

导出的文件第一列会带有一个索引序号。如果不想要该列，添加参数index=False即可覆盖保存。

导入已有的Excel文件，使用read_excel：

python

df = pd.read_excel('titanic.xlsx')

此时df与原来的titanic内容一致。

四、数据筛选

筛选行时，在中括号内写入条件。例如，筛选年龄大于70岁的乘客：

python

df[df['age'] > 70]

多条件筛选：使用|（或）与&（且）。注意每个条件需用小括号括起。例如，年龄大于70岁或小于10岁：

python

df[(df['age'] > 70) | (df['age'] < 10)]

年龄大于10岁且小于等于20岁：

python

df[(df['age'] > 10) & (df['age'] <= 20)]

筛选列时，单列用df['age']返回序列（Series）；多列需用双中括号，例如df[['age', 'survived']]返回数据表（DataFrame）。

推荐使用loc方法，格式为df.loc[行条件, 列条件]。行条件处留空表示所有行。例如，筛选年龄大于70岁的乘客，并只查看性别和年龄两列：

python

df.loc[df['age'] > 70, ['sex', 'age']]

五、排序

使用sort_values方法。例如，按年龄升序排序：

python

df.sort_values('age')

空值会排到最后。若要降序，添加ascending=False。先用dropna去掉年龄空值：

python

df.dropna(subset=['age']).sort_values('age', ascending=False)

六、新增列

新增一列判断是否为儿童（年龄小于18岁）：

python

df['is_child'] = df['age'] < 18

新列会添加到表格末尾。也可以基于多个列做运算，例如计算家庭成员总数：父母子女数量（parch）加上兄弟姐妹数量（sibsp）再加1（自己）：

python

df['family_size'] = df['sibsp'] + df['parch'] + 1

七、分组聚合（groupby）

分组聚合是pandas的核心功能。例如，按性别（sex）分组，计算存活（survived）的总和：

python

df.groupby('sex')['survived'].sum()

返回结果为Series。若用双中括号df.groupby('sex')[['survived']].sum()则返回DataFrame。

按多个列分组，例如按性别和舱位等级（class）分组，计算存活总和：

python

df.groupby(['sex', 'class'])['survived'].sum()

此时性别和舱位会成为索引（层次化索引）。若想恢复为普通列，使用reset_index()。

分组后还可计算平均值。例如，按性别和舱位计算年龄的平均值：

python

df.groupby(['sex', 'class'])['age'].mean()

八、数据透视表

数据透视表相当于图形化的分组聚合。语法：指定行、列、值、聚合函数。例如，行放性别，列放舱位等级，值放存活，聚合方式为求和：

python

pd.pivot_table(df, index='sex', columns='class', values='survived', aggfunc='sum')

九、表格关联（merge）

案例：计算每个性别的存活率。需要两步：先统计每个性别的存活人数，再统计每个性别的总人数，然后将两个表格关联。

第一步，按性别统计存活人数并重置索引：

python

survived = df.groupby('sex')['survived'].sum().reset_index()

第二步，按性别统计总人数（计数），并重置索引：

python

total = df.groupby('sex')['survived'].count().reset_index()

第三步，关联两个表，关联字段为sex：

python

merged = survived.merge(total, on='sex')

此时两表中都有survived列，会自动重命名为survived_x（左表）和survived_y（右表）。使用rename方法重命名：

python

merged = merged.rename(columns={'survived_x': 'survived_count', 'survived_y': 'total_count'})

第四步，新增存活率列：

python

merged['survival_rate'] = merged['survived_count'] / merged['total_count']

结果显示：女性存活率约74%，男性约19%。

十、总结

以上介绍了pandas中最常用、最核心的数据分析操作：数据导入导出、查看概览、行/列筛选、排序、新增列、分组聚合、数据透视表以及表格关联。掌握这些内容，足以应对大多数常规数据分析任务。如果遇到问题，欢迎评论区留言交流。