3.3.1 Pandas 路线图：从原始表到分析表

Pandas 是本课程里的表格工作台。只要 CSV、Excel、日志表或 SQL 查询结果需要变成干净表格，就会用到它。

先看工作流

先记住这一行：

读取→检查→筛选→清洗→转换→分组→合并→导出

不要一开始背 API。先问自己：我现在有什么表、最后需要什么表、中间哪一步在改变它？

先跑一次小表格

创建 pandas_first_loop.py，安装 pandas 后运行。

import pandas as pd

orders = pd.DataFrame(
    [
        {"date": "2026-05-01", "category": "book", "amount": 120},
        {"date": "2026-05-02", "category": "tool", "amount": 80},
        {"date": "2026-05-03", "category": "book", "amount": None},
        {"date": "2026-06-01", "category": "book", "amount": 150},
    ]
)

clean = (
    orders.dropna(subset=["amount"])
    .assign(month=lambda df: pd.to_datetime(df["date"]).dt.to_period("M").astype(str))
)
summary = clean.groupby(["month", "category"], as_index=False)["amount"].sum()

print(summary)

预期输出形状：

     month category  amount
0  2026-05     book   120.0
1  2026-05     tool    80.0
2  2026-06     book   150.0

这就是 Pandas 主循环：创建或读取数据，清理缺失值，增加派生列，分组并汇总。

按这个顺序学

顺序	阅读	练什么
1	3.3.2 核心数据结构	Series、DataFrame、Index
2	3.3.3 数据读取与写入	CSV、Excel、JSON、导出
3	3.3.4 数据选择与筛选	loc、iloc、条件筛选
4	3.3.5 数据清洗	缺失值、重复值、类型
5	3.3.6 数据转换	新列、映射、字符串和日期处理
6	3.3.7 分组与聚合	groupby、指标、类别/月度汇总
7	3.3.8 数据合并	安全合并多张表
8	3.3.9 时间序列	日期索引、重采样、时间窗口

通过标准

能把一张原始表变成一张干净的汇总表，能解释每个字段为什么这样处理，并能把结果交给可视化或机器学习继续使用，就算通过。

检查思路与讲解

1. 合格答案要先说清问题，再指出需要的表、DataFrame 或 SQL 查询，并让清洗步骤可以复现。
2. 证据至少包含一小段输出、必要的图表或查询结果，以及一句对结果的解释。
3. 自检时要能说出一个数据质量风险，例如缺失值、重复行、错误 join、聚合误导或图表难读。

留下的证据

学完这一页，至少保留这张证据卡：

数据框状态

列、数据类型、行数、缺失值和样本行

操作

读/写、select/filter、清洗、转换、groupby、merge，或时间序列步骤

输出

结果表、保存的文件、聚合、连接结果，或时间索引视图

失败检查

dtype 不匹配、缺失数据、重复键、链式赋值或时间频率错误

期望产出

前后对比表格样本，以及转换原因