本文将详细介绍 Pandas 数据分析中必学的 20 个指令，涵盖数据读取与查看、数据筛选与排序、数据清洗（尤其是缺失值处理）、数据运算以及数据可视化等多个关键环节。这些指令是数据分析工作的基础，掌握它们能有效提升数据处理效率和分析质量。无论是刚入门的新手，还是有一定经验的从业者，都能通过本文系统学习并熟练运用这些指令，轻松应对各类数据分析任务。​

一、数据读取与查看指令​

在数据分析的起始阶段，准确读取数据并快速了解数据全貌至关重要，以下几个指令能帮你高效完成这一步骤。​

1. read_csv()​

这是 Pandas 中最常用的数据读取指令之一，用于读取 CSV 格式的文件。其语法为pd.read_csv('文件路径')，通过指定正确的文件路径，就能将 CSV 文件中的数据加载到 DataFrame 中，方便后续处理。例如，data = pd.read_csv('data.csv')就可将当前目录下的 data.csv 文件读取进来。​

2. head()​

该指令用于查看 DataFrame 的前几行数据，默认显示前 5 行，也可通过参数指定显示的行数，如data.head(10)会显示前 10 行数据。借助它，能快速对数据的结构、字段分布等有一个初步的认识。​

3. tail()​

与 head () 相反，tail () 用于查看 DataFrame 的后几行数据，默认显示后 5 行，同样可通过参数指定行数，如data.tail(8)显示后 8 行数据。这有助于了解数据的末尾部分情况，比如是否有异常值或特殊标记。​

4. info()​

info () 指令能展示 DataFrame 的详细信息，包括索引类型、列名、数据类型、非空值数量等。通过data.info()，可以快速判断数据是否存在缺失以及各列的数据类型是否符合预期，为后续的数据清洗提供依据。​

5. describe()​

该指令用于生成描述性统计数据，包括计数、均值、标准差、最小值、最大值以及四分位数等。对于数值型数据，data.describe()能让我们快速了解数据的分布特征，如数据的集中趋势、离散程度等。​

二、数据筛选与排序指令​

对数据进行筛选和排序，能帮助我们聚焦于关键信息，以下是几个常用的指令。​

6. loc[]​

loc [] 用于通过行标签和列标签来筛选数据，语法为data.loc[行标签, 列标签]。例如，data.loc[0:5, ['name', 'age']]会筛选出第 0 到 5 行中 name 和 age 列的数据。它的优点是可以精确地根据标签选取数据，灵活性较高。​

7. iloc[]​

iloc [] 与 loc [] 类似，但它是通过行索引和列索引来筛选数据，索引从 0 开始。语法为data.iloc[行索引, 列索引]，如data.iloc[0:5, 0:2]会选取第 0 到 5 行、第 0 到 2 列的数据。在不知道数据标签只知道位置时，iloc [] 非常实用。​

8. sort_values()​

sort_values () 用于对 DataFrame 按照指定列的值进行排序，语法为data.sort_values(by='列名', ascending=True/False)，其中 ascending=True 表示升序，False 表示降序。例如，data.sort_values(by='age', ascending=False)会按照 age 列的值降序排列数据，便于我们找出最大值或按顺序查看数据。​

9. query()​

query () 允许使用字符串表达式来筛选数据，语法为data.query('条件表达式')。例如，data.query('age > 30 and score > 80')会筛选出 age 大于 30 且 score 大于 80 的数据。这种方式筛选条件表达更直观，尤其适用于复杂条件的筛选。​

三、缺失值处理指令​

数据中存在缺失值是常见现象，妥善处理缺失值对分析结果的准确性至关重要，以下指令能有效应对这一问题。​

10. isnull()/notnull()​

isnull () 用于检测数据中的缺失值，返回一个布尔型 DataFrame，缺失值对应位置为 True，否则为 False；notnull () 则相反，缺失值对应位置为 False，否则为 True。通过data.isnull()或data.notnull()，可以快速了解缺失值的分布情况，如data.isnull().sum()能统计每列的缺失值数量。​

11. dropna()​

dropna () 用于删除包含缺失值的行或列，语法为data.dropna(axis=0/1, how='any'/all, thresh=n)。其中 axis=0 表示删除行，axis=1 表示删除列；how='any' 表示只要有一个缺失值就删除，how='all' 表示所有值都缺失才删除；thresh=n 表示至少有 n 个非缺失值才保留。例如，data.dropna(axis=0, how='any')会删除所有包含缺失值的行。​

12. fillna()​

fillna () 用于填充缺失值，语法为data.fillna(value, inplace=True/False)。value 可以是具体的值、均值、中位数等，inplace=True 表示在原 DataFrame 上修改，False 则返回一个新的 DataFrame。例如，data['age'].fillna(data['age'].mean(), inplace=True)会用 age 列的均值填充该列的缺失值。​

四、数据运算指令​

对数据进行各类运算，能深入挖掘数据中的信息，以下是常用的运算指令。​

13. groupby()​

groupby () 用于按照指定列对数据进行分组，然后可以对分组后的数据进行聚合运算，如求和、均值等。语法为data.groupby('分组列名').聚合函数()。例如，data.groupby('gender')['score'].mean()会按 gender 分组，计算每组 score 的均值，便于分析不同组之间的差异。​

14. merge()​

merge () 用于将两个 DataFrame 按照指定的列进行合并，类似于数据库中的连接操作。语法为pd.merge(df1, df2, on='连接列名', how='inner'/outer/left/right)。how 参数指定连接方式，inner 为内连接，outer 为外连接，left 为左连接，right 为右连接。例如，pd.merge(df1, df2, on='id', how='inner')会根据 id 列将 df1 和 df2 进行内连接。​

15. concat()​

concat () 用于将多个 DataFrame 或 Series 进行拼接，可以沿行或列方向。语法为pd.concat([df1, df2,...], axis=0/1)，axis=0 表示沿行拼接（纵向拼接），axis=1 表示沿列拼接（横向拼接）。例如，pd.concat([df1, df2], axis=0)会将 df2 拼接在 df1 的下方。​

16. apply()​

apply () 用于对 DataFrame 的行或列应用自定义函数，语法为data.apply(函数名, axis=0/1)。例如，定义一个函数def func(x): return x.max() - x.min()，然后data.apply(func, axis=0)会计算每列的极差（最大值减最小值）。apply () 的灵活性很高，能满足各种自定义的运算需求。​

五、数据可视化指令​

数据可视化能让数据更加直观易懂，Pandas 结合 Matplotlib 等库提供了便捷的可视化指令。​

17. plot()​

plot () 是 Pandas 中最基础的可视化指令，默认绘制折线图，也可以通过 kind 参数指定其他图表类型，如折线图（'line'）、柱状图（'bar'）、直方图（'hist'）、散点图（'scatter'）等。语法为data.plot(kind='图表类型', x='x轴列名', y='y轴列名')。例如，data.plot(kind='bar', x='name', y='score')会绘制以 name 为 x 轴、score 为 y 轴的柱状图。​

18. hist()​

hist () 专门用于绘制直方图，用于展示数据的分布情况。语法为data['列名'].hist(bins=n)，bins 参数指定直方图的箱数。例如，data['age'].hist(bins=10)会绘制 age 列的直方图，将数据分为 10 个箱，直观展示年龄的分布。​

19. boxplot()​

boxplot () 用于绘制箱线图，能展示数据的五数概括（最小值、下四分位数、中位数、上四分位数、最大值）以及异常值。语法为data.boxplot(column='列名', by='分组列名')。例如，data.boxplot(column='score', by='gender')会按 gender 分组，绘制每组 score 的箱线图，便于比较不同组数据的分布差异和异常值情况。​

20. scatter()​

scatter () 用于绘制散点图，探究两个变量之间的关系。语法为data.plot.scatter(x='x列名', y='y列名')。例如，data.plot.scatter(x='study_time', y='score')会绘制学习时间和分数的散点图，通过观察点的分布可以判断两者是否存在相关关系。​

总结​

本文介绍的 20 个 Pandas 指令，涵盖了数据分析从数据读取、查看，到筛选、排序、缺失值处理、数据运算，再到数据可视化的全流程。这些指令是数据分析工作的核心工具，掌握它们能让我们在处理数据时更加高效、准确。​

在实际应用中，这些指令往往需要结合使用。例如，先通过 read_csv () 读取数据，用 info () 和 isnull () 了解数据缺失情况，再用 fillna () 或 dropna () 处理缺失值，接着用 groupby () 进行分组分析，最后用 plot () 等指令将结果可视化呈现。​

通过不断练习和实践，熟练运用这些指令，能帮助我们更好地挖掘数据背后的信息，为决策提供有力支持。无论是进行学术研究、商业分析还是其他领域的数据处理，这些 Pandas 指令都能发挥重要作用，是每个数据分析从业者必须掌握的技能。​