超全，图解Pandas教程来了！

大家好，我是阳哥。

有不少同学跟我提过，看看能不能出一系列 Pandas 数据处理的教程，之前一直也没来得及弄。

最近一段时间，《图解Pandas》系列内容陆续上新。

01图解Pandas

为了大家能够生动、形象的学习 Pandas，阳哥正在制作一系列 《图解Pandas》 的内容，当前已在微信视频号「Python数据之道」发布 50多 期视频，同时在公众号「Python数据之道」配套发布了 11 篇图文内容（图文中配套源代码以及在PC端观看的视频）。

《图解Pandas》主要跟大家以视频图解、动态图片等方式来讲解 Pandas 的基础知识，方便大家快速的掌握这些知识，相信《图解Pandas》会给大家带来一些不一样的视角。

• 视频内容：在微信视频号「Python数据之道」发布视频，是可以免费观看的。

• 图文内容：在微信公众号「Python数据之道」发布的图文内容，则是付费阅读内容，付费部分包括《图解Pandas》图文干货内容、可以在电脑端观看的高清视频以及配套的源代码等。对于打算深入学习Pandas的同学，相信会有诸多益处的。目前每次发布单篇的付费内容，后续会考虑出付费合集。图文内容点击👉👉👉前往：《图解Pandas》

《图解Pandas》的视频内容一般如下：

扫描下面的二维码，关注视频号，可以观看《图解Pandas》已发布的所有视频以及及时推送最新的视频：

《图解Pandas》 系列，是一个不小的工程，目前进行过程中，算是半个期货吧，搞不好就是烂尾工程啦，大家的支持就是我持续分享的动力，嘿嘿~~

已发布的内容

《图解Pandas》系列已发布的图文链接（点击下面链接前往围观）以及对应的视频编号，汇总如下：

点击👉👉👉前往：《图解Pandas》

02部分内容速递

数据结构介绍

DataFrame （中文翻译“数据框”）介绍：

图解数据框轴方向：

DataFrame 与 Series 之间的关联：

通过列表创建数据框

读取Excel文件

从Excel读取数据时，有时需要跳过数据文件末尾部分数据行：

数据框行列转置

通过 df.T 可以实现数据框的行列转置：

索引位置以及索引值

如何获取 Series 中最小值或最大值对应的索引位置以及索引值。

通过 argmin() 函数来获取最小值对应的索引位置，如红色标注所示，结果为数字 1 ，如下：

通过 idxmin() 函数来获取最小值对应的索引值，如红色标注所示，结果为字母 e ，如下：

数据偏移：shift

默认情况下，shift() 函数中 axis=0，将数据框沿 0轴方向 向下偏移一个位置，结果如下：

详细的实现过程动态演示如下：

数据筛选

在Pandas中，可以通过多种方法进行数据筛选，在 图文08-常见的数据筛选 中，对数据筛选进行了比较详细的介绍。

这里分享一个条件筛选的案例。

应用 loc 函数实现条件筛选，相当于loc后面第一部分是条件判断，逗号后面是选取列。如下图蓝色标注2所示：

更多详细介绍：

• 图文08-常见的数据筛选

缺失值处理操作

缺失值数据填充

可以通过字典的方式，对数据框每列填充不同的常数。

字典的 key 值对应数据框的列索引名称。

这里，对于缺失值，a列填充数字11，b列填充数字22，c列填充数字33，动态图演示如下：

缺失值删除

dropna 函数有一个参数 subset 可以设置，subset 参数表示的是其他轴方向对应的索引标签。

设置 axis=1，此时，subset 里的"a" 指的是行索引标签中的 a 行。这里的操作，表示的是将数据框a行中含有缺失值的数据列进行删除操作。因此，结果中删除了a列和b列。动态图演示如下：

更多详细介绍：

• 图文09-常见的缺失值处理

数据合并-concat

concat 函数有一个参数 join 可以设置，其作用是设置数据合并时，选择并集或交集的方式。

所以，咱们先来介绍关于并集、交集等基础概念，图示如下：

在 concat 函数中， join 参数的值可以选择 outer 或 inner，分别对应前面描述的 并集 和 交集。

默认情况下，join 参数的值为 outer，也就是并集。

下面这个案例，咱们来看 join 参数为 inner，也就是交集的情形。

具体来演示下过程如下：

更多详细介绍：

• 图文10-数据合并操作

Groupby分组操作

groupby操作的基本原理，概括地说，groupby操作可分解为三个步骤，包括:

1. 拆分(split)

2. 应用(apply)

3. 合并(combine)

第一步是根据分组目标列，按所在列的数据值将数据框拆分为多组，形成多个子数据框；

第二步是根据groupby后的计算或统计方式，对拆分后的各组进行应用。这里对“Fee” 列求平均值，对 “Discount” 列求和。

第三步是将前一步的应用结果进行合并，形成一个新的数据框。

上面描述的过程，图示如下：

动态的演示过程，如下：

更多详细介绍：

• 图文11-Groupby分组操作

03专题汇总

考虑到《图解Pandas》系列内容在不断更新过程中，大家可以通过下面的专题来找到最新发布的内容。

点击👉👉👉前往：《图解Pandas》

同时考虑到，以后如果文章数量较多，可能在专题中也不好快速的找到所需要的内容，我会以文章汇总的形式，将《图解Pandas》系列的文章进行手动汇总，并形成 图解Pandas汇总 的专题，最新的汇总文章，可以点击下面专题，找到最新的文章即可。

学习 Pandas，最难的还在于坚持，希望《图解Pandas》能给大家带来一些乐趣，一起加油吧！

大家读完顺手点下右下角的  “在看” ，就是最大的鼓励和支持了。