前言对刚接触 Python 的人来说最实用的第一个脚本往往是读一个 Excel、做点统计、 再输出结果。pandas 让这件事变得很短读进来是一个DataFrame 之后的行列操作都围绕它展开。不过有两件事要先交代。第一pandas 是第三方库读.xlsx还需要一个引擎 通常是openpyxl所以要pip install pandas openpyxl。 第二本文的运行环境里没有 Python 解释器、没有 pandas示例无法运行验证 只能逐行人工推演。参数细节以 Pandas 官方文档为准。一、读进来先看清楚# pandas 1.0需 pip install pandas openpyxlimport pandas as pddf pd.read_excel(sales.xlsx, sheet_name0) # 默认读第一个工作表print(df.shape) # (行数, 列数)print(df.columns) # 列名print(df.head()) # 前 5 行几个看一眼的入口入门阶段务必先都过一遍方法作用df.shape行列数df.head(n)/df.tail(n)前/后 n 行df.columns列名列表df.dtypes每列类型df.info()行列数、类型、非空个数df.describe()数值列的统计摘要df.info()特别值得先看它一次告诉你每列有多少非空值缺失情况一目了然。df.describe()默认只统计数值列给出计数、均值、标准差、最小最大值和四分位数 传includeall还能把类别列也一并统计进来。注意read_excel的参数名是sheet_name不是旧版的sheetname。 一个 Excel 有多个工作表时可传表名或传sheet_nameNone一次读全部并得到字典。二、挑出你关心的行和列# pandas 1.0df[金额] # 取一列返回 Seriesdf[[城市, 金额]] # 取多列返回 DataFramedf[df[金额] 1000] # 按条件筛行df.loc[df[城市] 北京, 金额] # 按条件取某列要点取一列用单方括号得到Series取多列要写双层方括号。条件筛选用布尔序列多个条件用、|连接且每个条件都要加括号因为位运算符的优先级高于比较运算符。按标签取值用.loc按位置取值用.iloc。前者按行/列的名字后者按从 0 开始的序号且.iloc的切片不含结束位置——和 Python 列表一致。# pandas 1.0subset df[(df[金额] 1000) (df[城市] 北京)]三、做几个常用统计# pandas 1.0print(df[金额].sum()) # 合计print(df[金额].mean()) # 平均print(df[城市].value_counts()) # 每个城市出现次数print(df.sort_values(金额, ascendingFalse).head(10)) # 金额前 10value_counts()用来数类别频次特别好用返回的是值—次数的Series 默认按次数从多到少排。sort_values按某列排序ascendingFalse表示降序。Excel 里最常见的情况是某一列有空单元格。pandas 把它读成缺失值 先用下面两行摸清情况再决定怎么处理# pandas 1.0print(df.isna().sum()) # 每列缺了多少个print(df.isna().mean()) # 每列缺失的比例isna()返回布尔矩阵.sum()数个数、.mean()算比例。 判定缺失只能用isna()/notna()不要用 None或 numpy.nan 因为浮点缺失值NaN连自己都不等于自己永远筛不出来。四、简单分组汇总# pandas 1.0by_city df.groupby(城市, as_indexFalse)[金额].sum()print(by_city)groupby(城市)[金额].sum()的含义是按城市分组后对金额求和。 默认分组键会变成结果的索引加as_indexFalse可让它保持为普通列 后续写 Excel 时更省心。分组这一步很容易和另外两个操作搞混这里顺手分清想做的事该用的方法按城市算总额groupby(城市)[金额].sum()按城市和月份两个维度groupby([城市, 月份])[金额].sum()去重df.drop_duplicates()改列名df.rename(columns{旧: 新})drop_duplicates()默认按整行判断重复只想按某几列去重传subset[城市]。五、结果写出去# pandas 1.0by_city.to_excel(城市汇总.xlsx, indexFalse)indexFalse避免把行号也写进文件。若要在同一个 Excel 里放多张表 用pd.ExcelWriter作为上下文管理器给每次to_excel传不同的sheet_name。 写多个表时务必用with否则文件可能没被正确保存# pandas 1.0with pd.ExcelWriter(结果.xlsx, engineopenpyxl) as writer:by_city.to_excel(writer, sheet_name按城市, indexFalse)df.head(50).to_excel(writer, sheet_name样例, indexFalse)关于类型还有一点新手常问为什么读进来的编号是1001做一次筛选后就 变成了1001.0原因是那一列里存在空单元格pandas 为了让缺失值有位置可放 把整列从int64提升成了float64。想让整数仍是整数可以先把缺失填上 或改用可空整数类型Int64。六、一个完整的入门脚本# pandas 1.0需 pip install pandas openpyxlimport pandas as pddef analyze(path: str) - pd.DataFrame:df pd.read_excel(path, sheet_name0)# 1) 先看清结构print(df.shape)print(df.info())print(df.describe())# 2) 处理一下空值数值列按 0 填df[金额] df[金额].fillna(0)# 3) 按城市汇总并降序排列result (df.groupby(城市, as_indexFalse).agg(总额(金额, sum), 笔数(金额, size)).sort_values(总额, ascendingFalse))return resultif __name__ __main__:summary analyze(sales.xlsx)print(summary)summary.to_excel(城市汇总.xlsx, indexFalse)常见坑点读 Excel 忘了装引擎❌ 只pip install pandas就pd.read_excel(a.xlsx)报缺少 openpyxl ✅ 先pip install openpyxl写.xlsx同样需要它参数名写成旧版的sheetname❌pd.read_excel(a.xlsx, sheetnameSheet1)✅pd.read_excel(a.xlsx, sheet_nameSheet1)取多列只写一层方括号❌df[城市, 金额]被当成一个元组键直接 KeyError ✅df[[城市, 金额]]双层方括号才是多列多条件筛选忘了加括号❌df[df[金额] 1000 df[城市] 北京] 位运算优先级导致逻辑错乱甚至报错 ✅df[(df[金额] 1000) (df[城市] 北京)]整数列有空值后变成小数❌ 金额列里有个空单元格整列变float64整数显示成3.0✅ 这是正常现象先fillna(0)或用dtypeInt64groupby后按列名取不到分组键❌result[城市]报 KeyError因为城市变成了索引 ✅ 加as_indexFalse或事后reset_index()写 Excel 时行号也写进去了❌ 结果表第一列多出一列 0,1,2 的索引 ✅to_excel(out.xlsx, indexFalse)总结阶段常用方法读取read_excel(sheet_name)看数据shape/head/info/describe选取df[[...]]、布尔筛选、loc/iloc统计sum/mean/value_counts/sort_values汇总groupby(...).agg(...)输出to_excel(indexFalse)入门阶段记住一个顺序就够了先看shape/info/describe→ 再选筛选、取列 → 后算统计、分组→ 最后写to_excel。把这条链路跑顺 再逐步学缺失值处理和合并就水到渠成了。