Python 数据分析学习笔记：Pandas 查看数据

一、关键函数与概念详解

1. pd.read_csv()：读取 CSV 文件

pd.read_csv(filename, sep=',', dtype=object)

• 功能：从 CSV 文件加载数据为 DataFrame。
• 参数说明：
  • filename：文件路径
  • sep：分隔符，默认是逗号 ,
  • dtype=object：强制所有列的数据类型为 object（通常用于字符串或混合类型），避免 pandas 自动推断类型导致的问题（如将 ID 误识别为数字）。

✅ 示例：

df = pd.read_csv('data.csv', sep=',', dtype=object)

2. .head(n)：查看前 n 行数据

df.head(6)

• 返回 DataFrame 的前 n 行（默认 n=5）。
• 用于快速检查数据内容、结构和格式。

3. .shape：获取数据集大小

df.shape

• 返回一个元组 (行数, 列数)。
• 是了解数据集“体量”的最基本方法。

✅ 示例：

rows, cols = df.shape
print(f"数据集有 {rows} 行，{cols} 列")

4. .iloc[]：基于位置的索引（Integer-location based indexing）

.iloc 是 pandas 中最安全、最推荐的按位置访问数据的方式。

📌 核心规则：

• 索引从 0 开始：第 1 行 → 索引 0，第 11 行 → 索引 10
• 切片左闭右开：[start:end)，end 不包含在内

5. 列选择：df['column_name']

df['Language']

• 返回指定列的一维数据结构（Series）。
• 可以与 .iloc 结合使用：df.iloc[10:21]['Language']

二、题目解析与正确代码

DA1 用pandas查看牛客网用户数据

描述
输出 Nowcoder.csv 数据集的前 6 行数据。

输入描述
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述
输出该数据集的前 6 行。

正确代码

import pandas as pd 
n = pd.read_csv('Nowcoder.csv', sep=',', dtype=object)
print(n.head(6))

DA2 牛客网用户数据集的大小

描述
获取 Nowcoder.csv 数据集的行数与列数。

输入描述
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述
输出该数据集的行数与列数。

正确代码

import pandas as pd 
n = pd.read_csv('Nowcoder.csv', sep=',', dtype=object)
print(n.shape)

DA3 牛客网的第11位用户

描述
输出数据集中第 11 行用户的全部信息。

输入描述
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述
输出第 11 行的全部信息，每列信息单独成行。

正确代码

import pandas as pd 
n = pd.read_csv('Nowcoder.csv', sep=',', dtype=object)
print(n.iloc[10])  # 索引10对应第11行

DA4 统计牛客网部分用户使用语言

描述
输出数据集中第 10 行到第 20 行用户的常用语言。

输入描述
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述
输出第 10 行到第 20 行的常用语言，每行数据单独成行。

正确代码

import pandas as pd 
n = pd.read_csv('Nowcoder.csv', sep=',', dtype=object)
print(n.iloc[9:20]['Language'])  # 第10行索引为9，第20行索引为19，切片[9:20)包含9到19

🔍 注意：iloc[9:20] 是因为：

• 第 10 行 → 索引 9
• 第 20 行 → 索引 19
• 切片 [9:20) 包含索引 9, 10, ..., 19，正好是第 10 到 20 行。

三、扩展知识与最佳实践

✅ 1. .iloc vs .loc

💡 除非你明确知道索引标签，否则优先使用 .iloc。

✅ 2. 处理空值（NaN）

# 检查是否有空值
print(df.isnull().any())  # 每列是否有空值
print(df.isnull().sum())  # 每列空值数量

# 删除空值行
df_clean = df.dropna()

# 填充空值
df_filled = df.fillna('未知')

✅ 3. 数据类型检查与转换

print(df.dtypes)  # 查看每列的数据类型

# 转换类型（如将字符串转为数值）
df['Achievement_value'] = pd.to_numeric(df['Achievement_value'], errors='coerce')

✅ 4. 链式操作与性能

# 链式操作是 pandas 的惯用法
result = (df
          .iloc[9:20]
          .loc[:, 'Language']  # 更明确地选择列
          .tolist())           # 转为列表

五、常见错误与调试技巧