开篇上一篇是用手工数据造表这一篇我直接用了一份 600 多行的真实销售数据 data/sales.csv学两件最实用的事读文件和写文件。读取数据read_csv最朴素的写法是一行df pd.read_csv(data/sales.csv)但这份文件里有 7 列订单号、产品类别、产品名称、销售数量、单价、客户所在城市、支付方式、订单日期我这一章只需要其中 4 列于是用 usecols 参数在读取阶段就把不需要的列丢掉df pd.read_csv(data/sales.csv,usecols[订单号, 产品类别, 销售数量, 单价])我的体会是usecols 这种在读取时就筛掉的写法比先全读进来再删列要省内存也更清晰。顺便说一个我遇到的坑sales.csv 是中文表头用记事本或者 PowerShell 直接打开看是乱码的但 Pandas 读进来显示完全正常。所以判断编码好不好不要靠肉眼打开文件要以程序读出来的结果为准。处理数据给表格加一列读进来之后数据分析最常见的第一步就是造新列。销售金额 销售数量 × 单价df[销售金额] df[销售数量] * df[单价]这行让我挺震撼的——没有 for 循环。如果是以前写 Python我得一行一行遍历再乘这里 Pandas 直接把两整列对应相乘叫向量化运算而且结果自动变成新的一列挂进表里。列名不存在时这句等于新建一列列名已存在就是覆盖。顺便提醒一下自己写 Python 脚本时习惯把中间结果 print 出来看但在 Notebook 里我把赋值那行的 df 单独注释掉放在最后一行就能看到漂亮的表格渲染而 print(df) 输出的是纯文本。写入数据to_csv处理完的数据要存下来交给别人用就是 to_csvdf.to_csv(data/sales_01.csv, indexFalse)关键是 indexFalse。我一开始没加这个参数打开生成的文件发现最左边多了一列 0,1,2,3... 的行号第二次读这个文件时它就变成了一个莫名其妙的无名列。加上 indexFalse 就干净了。