数据查看

方法/属性	作用
df.head(n)	查看前 n 行数据（不写 n 默认 5）
df.tail(n)	查看结尾 n 行数据
df.describe()	数值列的统计描述（计数、均值、标准差、最值、四分位）
df.info()	查看数据信息（列名、非空计数、数据类型）
df.shape	属性，查看数据维度（行数, 列数）
df.columns	属性，查看列名

TIP

拿到一份新数据，习惯动作是 head() 看长相 + info() 看有没有缺失 + describe() 看数值是否离谱。

数据选择

选列

df['列名']              # 单选一列（返回 Series）
df.列名                 # 同上（列名是合法标识符时才能这么写）
df[['列1', '列2']]      # 多选（注意里面是**列表**，返回 DataFrame）

选行：iloc 与 loc

方法	依据	是否包含结束位置	语法
df.iloc[start:stop:step]	行号（第几行）	不包含 stop	df.iloc[0:5] 取前 5 行
df.loc[start:stop:step]	索引标签	包含 stop	df.loc[6805677496:5888085066:2]

WARNING

这是最容易混的一对：iloc 按"第几行"数、不含结尾；loc 按"索引值"找、含结尾。跟 Python 普通切片（不含结尾）一样的只有 iloc。

数据过滤

语法：df[条件表达式]，结果是满足条件的行。

# 1. 销售数量 >= 10 的订单
df[df['销售数量'] >= 10]

# 2. 产品类别是 食品 或 图书
df[df['产品类别'].isin(['食品', '图书'])]

# 3. 单价在 79-199 之间（between 默认包含两端）
df[df['单价'].between(79, 199)]

# 4. 多条件：并且用 &、或者用 |（每个条件都要加括号！）
df[(df['销售数量'] >= 8) & (df['单价'] >= 100)]

写法	含义
df[df['列'] >= 值]	单条件
df['列'].isin([值1, 值2])	属于集合（多选一）
df['列'].between(a, b)	在区间内
& / `	`

相关

• Pandas数据清洗

练习题

一、知识回顾（读完直接做下面的实践题）

1. 查看前 n 行用 df.head(n)，查看末尾 n 行用 df.tail(n)
2. 查看数值列统计描述用 df.describe()；查看列名、非空计数、类型用 df.info()
3. 选一列：df['列名'] 返回 Series；选多列：df[['列1','列2']] 返回 DataFrame
4. 基于行号切片用 df.iloc（不包含结尾）；基于索引标签切片用 df.loc（会包含结尾）
5. 判断某列的值是否属于一个集合，用 df['列'].isin([...])
6. 判断某列的值是否在区间内，用 df['列'].between(a, b)
7. 多条件过滤时，"并且"用符号 &、"或者"用 |，且每个条件要用圆括号括起来

二、裸写题

数据：data/sales.csv（列：订单号、产品类别、产品名称、销售数量、单价、客户所在城市、支付方式、订单日期）

• 2-1 先看清数据长什么样 读取 data/sales.csv，打印前 5 行、行数与列数、以及数值列的统计描述。

  - 提示（先自己想，实在想不出再点开）

  一级 · 思路：三段式查看：看长相 → 看规模 → 看数值分布 二级 · 方法：head() / shape / describe()三级 · 骨架：pd.read_csv('data/sales.csv')

  - 参考答案（做完再点开）

  import pandas as pd
  
  df = pd.read_csv('data/sales.csv')
  
  # 2-1
  print(df.head(5))
  print(df.shape)
  print(df.describe())

• 2-2 选出需要的列 用两种写法选出"产品名称、单价"两列，并单独取出"产品名称"这一列，观察返回类型有什么不同。

  - 提示（先自己想，实在想不出再点开）

  一级 · 思路：一列是 Series，多列是 DataFrame 二级 · 方法：df['产品名称'] / df[['产品名称', '单价']]三级 · 骨架：用 type() 打印类型对比

  - 参考答案（做完再点开）

  # 2-2
  print(type(df['产品名称']))            # <class 'pandas.core.series.Series'>
  print(type(df[['产品名称', '单价']]))   # <class 'pandas.core.frame.DataFrame'>

• 2-3 条件过滤 找出：① 销售数量 ≥ 10 的订单；② 产品类别是"食品"或"图书"的订单；③ 单价在 79~199 之间；④ 销售数量 ≥ 8 并且 单价 ≥ 100 的订单。

  - 提示（先自己想，实在想不出再点开）

  一级 · 思路：四种过滤各写一行，注意多条件的括号 二级 · 方法：比较运算 / isin([...]) / between(a, b) / (条件1) & (条件2)三级 · 骨架：df[(df['销售数量'] >= 8) ____ (df['单价'] >= 100)]

  - 参考答案（做完再点开）

  # 2-3
  print(df[df['销售数量'] >= 10])
  print(df[df['产品类别'].isin(['食品', '图书'])])
  print(df[df['单价'].between(79, 199)])
  print(df[(df['销售数量'] >= 8) & (df['单价'] >= 100)])

• 2-4 行切片 用 iloc 取前 5 行，再用 loc 取第 3 到第 5 行（按行索引标签），对比两者取到的行数。

  - 提示（先自己想，实在想不出再点开）

  一级 · 思路：iloc 数"第几行"、不含结尾；loc 看"索引值"、含结尾 二级 · 方法：df.iloc[0:5] / df.loc[2:4]三级 · 骨架：打印 len() 对比

  - 参考答案（做完再点开）

  # 2-4
  print(len(df.iloc[0:5]))    # 5 行
  print(len(df.loc[2:4]))     # 3 行（含索引 2、3、4）