7.1 Pandas 函数地图：把手法归位四大区

7.1 Pandas 函数地图：把手法归位四大区

本节摘要：pandas 的函数名册有几百条，真正要记住的不是名单，而是地图——清洗、整形、聚合、合并四大区，每区的代表函数、入口姿势与组合套路。本节把前六章的手法整体收拢，并用一段端到端代码示范"按地图点菜"。承接中央厨房开篇，通往 7.2 的灶膛。

「CheatSheet」为什么人人都在攒

「CheatSheet」，速查表——数据从业者的收藏夹里总有几份，但攒了十份还是记不住的原因很简单：名单式的速查表没有"位置感"。函数记进地图就不一样：清洗区在择菜间、整形区在切配台、聚合区在汤锅区、合并区在摆盘区——需求一出现，先定位区域，再在区域内挑函数，最后查参数。本节把前六章散落的手法按四大区收拢成一张地图，并用一段完整代码示范怎么按图点菜。往前接六章全部手法，往后 7.2 钻进灶膛解释它们为什么快。

图 pandas 四大函数区

参数拆解：地图怎么用

用地图的法则是"需求到区域、区域到函数、函数到参数"三跳。要处理脏数据，进清洗区挑函数——缺失找 dropna 与 fillna，类型找 to_numeric；要改变形状或范围，进整形区——取子集找 loc，变长宽找 pivot 与 melt；要算指标，进聚合区——分组找 groupby 配 agg，滚动找 rolling；要拼表出报表，进合并区——摞表找 concat，对位找 merge，出二维报表找 pivot_table。每一区的参数纪律，前六章都已逐个拧过，地图不重复讲参数，只负责让你"想到该去哪"。

进口与出口：地图的边界

四大区管"表上的功夫"，但一条完整链路还有两端。进口：read_csv、read_excel、read_sql、read_parquet——读法决定后面一半的清洗量，dtype、usecols、parse_dates、nrows 这几个进口参数用熟，很多清洗直接免做（2.4、6.3、8.2 各从一个角度受益）。出口：to_csv、to_excel、to_parquet、to_sql——导出的关键参数是 index（要不要把索引写成列，多数场景 False）与 encoding（跨平台交换选 utf-8 类编码，避免下游读成乱码）。进出的姿势固定了，中间四大区随便怎么连招都稳。

这张总表适合贴在 7.1 的地图旁边：需求来了先定位环节，再按表的提醒过一遍纪律，最后进对应章节翻参数细节——地图、速查表与食谱卡三层齐备，pandas 就不再是几百个函数的迷雾，而是一间布局熟悉的厨房。

实操示例：按地图跑通一条龙

场景：一份订单明细（前六章的老朋友），从读入到出报表一气呵成。注意每个注释标明的"区域"，这正是地图的用法。

import pandas as pd
import numpy as np

# 读入（厨房大门）
df = pd.DataFrame({
    "订单号": ["A1", "A2", "A2", "A3", "A4"],
    "日期": ["2024-05-01", "2024-05-03", "2024-05-03", "2024-05-08", "2024-06-02"],
    "渠道": ["直营", "分销", "分销", "直播", None],
    "金额": ["120.0", "88", "88", "待定", "210.0"],
})

# 清洗区：去重、类型矫正、缺失处置
df = df.drop_duplicates(subset=["订单号"])
df["金额"] = pd.to_numeric(df["金额"], errors="coerce")
df["渠道"] = df["渠道"].fillna("未知")

# 整形区：时间入籍、派生月份
df["日期"] = pd.to_datetime(df["日期"], format="%Y-%m-%d")
df["月份"] = df["日期"].dt.to_period("M").astype(str)

# 聚合区：分组求总额
agg = df.groupby(["月份", "渠道"], as_index=False)["金额"].sum()

# 合并区：透视出报表
report = agg.pivot(index="月份", columns="渠道", values="金额").fillna(0)
print(report)
# 渠道     分销   直播   直营
# 月份
# 2024-05  88.0   0.0  120.0
# 2024-06   0.0  210.0   0.0
​

坑点与翻车

**翻车一：跳区作业。**需求明明是聚合，却用循环逐行累加；明明是清洗，却写正则去"修"数值——在错误的区里找函数，写得出来也别写。**翻车二：函数名记错代际。**pandas 演化快，旧的 append、applymap 等已由 concat 与 map 接管——地图上的函数以当前版本文档为准，团队内对齐版本比背名单重要。**翻车三：只记函数不记纪律。**to_numeric 配 coerce 后复检、merge 开 validate、rolling 前先排序——这些纪律跟着函数走，用函数不带纪律等于没学。**翻车四：地图当铁笼。**四大区是坐标不是围墙，实际脚本常常多区连招——本节示例就是四区各出一招；地图的价值在"迷路时知道在哪"，不在"一次只能待一区"。

替代方案

地图之外还有两条路：一是官方用户指南的目录本身就是一张图，章节结构与本册四大区高度同构，遇到陌生函数先归区再查文档；二是用代码补全工具的函数联想快速试错——但联想给得出函数名，给不出参数纪律，纪律仍然要靠本册这种食谱卡。至于更细的内存与性能视角，下一节钻进灶膛看个究竟。

收档清单

• 四大区：清洗、整形、聚合、合并，需求先归区再挑函数；
• 三跳法则：区域、函数、参数，逐跳定位不迷路；
• 纪律随身：每个函数的纪律与函数同记，缺一不可；
• 版本对齐：函数名有代际，团队统一版本文档；
• 连招常态：多区连用是常态，地图用于定位而非画牢。

地图有了，但这一厨房的速度从哪来？7.2 钻进灶膛：NumPy 的内存布局与广播规则。