目录

一、先搞定 "安装" 和 "导入"：PyCharm 终端里的小技巧

二、数据结构：Series 像列，DataFrame 像表，终于搞懂了

三、查数据用 loc：像查字典一样方便

四、读数据和看数据：head/tail/info 三连，表格状况全掌握

五、处理丢失数据：从慌到稳，就靠这三招

六、实战：用今天学的函数搞定课堂练习

七、总结：PyCharm+Pandas，数据处理真不难

---

    今天上了 Pandas 的课，原本以为会是枯燥的函数背诵，没想到用 PyCharm 实操起来还挺有意思。从对着 PPT 发懵到能自己处理表格数据，中间踩了几个小坑，但成就感是真的强。这篇就聊聊我今天学的重点，全是在 PyCharm 里敲代码试出来的干货，新手朋友可以直接抄作业～

一、先搞定 "安装" 和 "导入"：PyCharm 终端里的小技巧

    上课第一件事就是装 Pandas，老师说用pip install pandas就行，但我在 PyCharm 的 Terminal 里试了下，速度慢得像蜗牛。后来想起老师提的清华源，改成pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple，秒下完！原来换源这么香，PyCharm 的终端和系统 cmd 不一样，在这里输命令直接关联当前项目环境，不用纠结装到哪个 Python 版本里，这点对新手太友好了。

    导入的时候记得写import pandas as pd，老师说 "pd" 是约定俗成的缩写，就像数学里用 "x" 代表未知数一样。在 PyCharm 里输pd.的时候，会自动弹出一堆函数提示，不用死记硬背，这点比记事本写代码强一百倍。

二、数据结构：Series 像列，DataFrame 像表，终于搞懂了

     刚开始分不清 Series 和 DataFrame，对着 PPT 里的定义绕了半天。后来在 PyCharm 里建了两个例子，瞬间明白了：

    Series就像 Excel 里的一列数据，有索引有值。我用同学的成绩试了试：pd.Series([90,85,95], index=['小孙','小张','小韩'])，运行后 PyCharm 显示的结果里，左边是名字（索引），右边是分数，一目了然。

    DataFrame则是一整张表，有行有列。我用课堂练习里的成绩表试了试，用字典创建：data={'语文':[90,75,55], '数学':[80,65,66]}，再pd.DataFrame(data, index=['小孙','小张','小韩'])，PyCharm 里直接显示出表格，和 Excel 长太像了，难怪老师说它是 "Python 里的 Excel"。

    踩了个小坑：创建 DataFrame 时加了dtype=float，结果字符串列报错（比如包含名字的时候）。后来才知道，dtype 是强制所有列类型，混了字符串和数字就会冲突，删掉这个参数让 Pandas 自动判断就好，PyCharm 的红色报错提示得很清楚。

三、查数据用 loc：像查字典一样方便

    老师说 loc 是 "定位神器"，试了之后确实好用。比如我想查小孙的语文成绩，在 PyCharm 里敲df.loc['小孙','语文']，直接出结果 90，比在 Excel 里点来点去快多了。

    如果想查多行多列，用列表包起来就行：df.loc[['小孙','小张'], ['语文','数学']]，PyCharm 会把这部分数据单独列出来，清晰得很。最妙的是可以自定义索引，比如把行索引设为 "男生"、"女生"，查的时候直接用loc['男生']，比记数字索引好记一万倍。

四、读数据和看数据：head/tail/info 三连，表格状况全掌握

    读 CSV 文件的时候，老师用了pd.read_csv('成绩表.csv')，我把文件和代码放同一个文件夹，PyCharm 直接就能读到。如果路径不对，它会报FileNotFoundError，这点比 Excel 的 "找不到文件" 提示清楚多了。

想看数据全貌？这三个函数必用：

  df.head(3)：看前 3 行，快速了解表格长啥样；

  df.tail()：默认看后 5 行，检查有没有脏数据；

  df.info()：这个最实用！能看到每列有多少非空值、数据类型，比如我发现 "英语_平时" 列有 1 个缺失值，后面处理丢失数据就有了方向。

    在 PyCharm 里右键df选择 "View as DataFrame"，还能像 Excel 一样可视化浏览，滚动查看特别方便，比打印出来看舒服多了。

五、处理丢失数据：从慌到稳，就靠这三招

    PPT 里说 "真实数据总有坑"，果然，练习里的成绩表有几个空值。老师讲了三种处理方法，在 PyCharm 里试了个遍：

  找缺失值：df.isnull()，结果里 True 的地方就是空值，PyCharm 里显示的布尔值表格很直观；

  删缺失值：df.dropna()，直接删掉有空值的行，但要注意如果重要数据多，删了可惜；

  填缺失值：df.fillna(0)用 0 填，或者用均值df['数学'].fillna(df['数学'].mean())。我用均值填了数学的空值，PyCharm 里运行后，空的地方真的变成了平均值，太神奇了！

    遇到个警告：用fillna(inplace=True)的时候，PyCharm 提示未来版本可能失效。查了 PPT 里的解决方法，改成df['数学'] = df['数学'].fillna(...)就好了，原来直接赋值更稳妥。

六、实战：用今天学的函数搞定课堂练习

    最后用课堂练习检验了下：计算最终成绩（考试 60%+ 平时 40%）、平均分、最高分。在 PyCharm 里一步步敲，居然全做出来了：

    算最终成绩：df['语文_最终'] = df['语文_考试']*0.6 + df['语文_平时']*0.4，用了 DataFrame 的列运算，不用一行行算，太爽了；

    个人平均分：df.mean(axis=1)，axis=1 是按行算，每个同学的平均分直接出来；

    科目最高分：df[['语文_最终','数学_最终']].max()，一下子就知道哪科最高分是谁。

    运行完在 PyCharm 里看结果，和手动算的一模一样，成就感直接拉满！

七、总结：PyCharm+Pandas，数据处理真不难

    以前觉得数据分析很高大上，今天实操后发现，只要把函数和工具用对了，新手也能很快上手。PyCharm 的自动提示和报错提示帮了大忙，很多问题不用查百度，看提示就知道错在哪。

    明天打算试试处理更大的表格，比如全班 50 人的成绩，看看 Pandas 能不能 hold 住。感觉学会这招，以后做统计作业能省不少时间～你们学 Pandas 的时候有啥坑？评论区交流下呗！