Pandas数据分析与处理实战

00 教程导读：把Pandas学成一条数据体检流水线

一句话定义：这是一册以"数据体检流水线"为主线的Pandas教程——脏数据像病人一样进门，经过登记建档、分诊筛查、内科检查、专科门诊、会诊报告、病史归并、长期随访，最后以健康数据的身份出院。每章就是体检中心的一个科室，每个Pandas API就是一件检查器械。

你手里这份"体检套餐"覆盖什么

市面上的Pandas教程大多按API字典排布：先讲Series再讲DataFrame，函数一个一个过。学完常常陷入"每个函数都见过、真拿到一份乱糟糟的订单表还是无从下手"的窘境。本册换一种组织方式：围绕一次完整的数据体检流程来编排知识点，让每个API都挂在流程的某个环节上，你记住的是"病人在哪个科室做什么检查"，而不是孤立的一串函数名。

全册共八章三十二篇。前四章解决"数据能不能信"的问题——结构、读取、选取、缺失、重复、类型、异常、字符串规范化，这是体检的查体部分；后四章解决"数据怎么说话"的问题——分组聚合、合并重塑、时间序列、性能优化，这是体检的报告与康复部分。每一节都配可运行的代码和真实输出，你可以把任何一节的代码块直接粘进Jupyter复现。

全册知识地图

下图是整条流水线的科室分布与先后依赖。建议第一次通读按箭头顺序走，第二次可以按科室单独回炉。

全册体检流水线总览

八个科室分别治什么病

第一章接诊建档，认识Series、DataFrame与Index三份基础档案，掌握CSV、Excel、数据库的进出；第二章分诊筛查，用loc、iloc与布尔索引把需要的记录挑出来；第三章内科检查，处理缺失值与重复记录这两类最常见的"基础病"；第四章专科门诊，转数据类型、判异常值、做字符串规范化；第五章会诊报告，用GroupBy与透视表把明细压缩成指标；第六章病史归并，把多张表merge、concat成一份完整病史；第七章长期随访，围绕时间索引做重采样与移动窗口；第八章康复出口，用向量化、query与内存优化让流程跑得又快又省。

怎么使用本册

第一，代码要动手跑。每节的检查器械都附了输入与输出，光看不跑等于体检不做抽血。第二，把你自己手头的一份脏数据当成"病人"，每学完一章就在它身上过一遍对应科室，三十二章读完你的数据也"出院"了。第三，遇到报错先回到该节的"排错"段落，本册把常见报错当成了病历里的典型症状来讲解，比背诵异常类型更有用。

预备知识方面，假定你已经会一点Python基础（变量、字典、列表推导）和NumPy的 ndarray 概念。完全零基础也不用慌，第一章会把需要的概念重新建档一遍。

版本与练习口径

本册代码基于Pandas 2.x验证，1.5以上版本基本通用，个别行为差异会在相关小节标注（比如append已在2.0移除、inplace语义的变化）。所有示例数据都是门店销售的微缩版本，几十行以内，你扫一眼就能在心里预判结果，再跑代码验证——这种"先猜后验"的节奏，比复制粘贴长脚本有效得多。

环境方面，装好Anaconda或最小化的 python 加 pandas 即可，Jupyter不是必需但强烈推荐：体检流水线的每一步都要"看一眼数据再决定下一步"，交互式环境就是为这个节奏设计的。每章末尾的要点回顾可以当 checklist 用：合上册子还能复述出七成，说明这条流水线你已经真正跑通了。