df.groupby(分组字段).aggregate(统计规则)作用：为不同列指定不同的统计方式，或为同一列指定多种统计方式。参数说明传入列表（如）：对所有数值列同时执行 count 和 sum；传入字典（如{'用户ID':'count', '7月销量':'sum'}）：为指定列指定专属统计方式。示例代码python运行# 方式1：对所有数值列同时做count和sum统计。

横向拼接（merge）：按关联键合并列，核心是onleft_onright_on指定关联关系，how指定数据保留策略。纵向拼接（concat）：按行合并，核心是列名一致，重置索引。函数选择技巧：需要按关联键整合不同维度信息用merge，需要堆叠相同结构数据用concat。

本文系统梳理了 Pandas 中数据运算的核心操作，涵盖算术运算、比较运算和汇总运算三大模块。通过结构化的代码示例和清晰的说明，帮助读者快速掌握数据运算的常用方法，提升数据分析效率。可直接作为个人笔记或发布到 CSDN 等平台，方便日后查阅与复用。

数据选择：列（名称 / 位置）、行（标签 / 位置）、条件筛选的核心语法；数值操作：替换、排序、排名、删除、计算、行列转换、批量处理的实操方法；避坑要点：索引混用、条件连接符、方法返回值等新手易出错的细节。可直接将本文内容发布到 CSDN 个人作品中，作为 Pandas 核心操作速查手册，后续可根据学习进度补充数据清洗、聚合分析等进阶内容。