讲师中心 微信公众号
首页 专区 Hot
Skill
办公效率 内容创作 开发编程 数据分析 设计多媒体 AI Agent 知识管理 商业运营 教育学习 行业专业 IT运维与安全 生活服务 展开
文章
php教程 后端开发 web前端 数据库 开发工具 php框架 常见问题 人工智能 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 自媒体 新闻 展开
专题
后端开发 web前端 数据库 开发工具 php框架 人工智能 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 新闻 展开
学习
大前端 后端开发 数据库 移动端 运维开发 计算机基础 展开
编程手册
大前端 后端开发 数据库 移动端 运维开发 计算机基础 展开
下载
js特效 网站源码 工具下载 类库下载 网站素材 学习资源 插件扩展 手机游戏 PHP运行环境 Skill 展开
Hot PDF
PDF转word PDF合并 PDF压缩 图片转PDF PDF转excel PDF转ppt 展开
AI工具推荐 视频效率加速
当前位置：首页 > 专区列表 > Pandas

Pandas

Pandas

Pandas 3.0.5 于 2026年7月22日 发布，是 Pandas 3.0 系列的当前官方稳定版本，要求 Python >=3.11。Pandas 是 Python 生态中常用的数据分析库，提供 Series、DataFrame、索引、缺失值处理、分组聚合、时间序列、CSV/Excel/SQL 等文件与数据源处理能力。
官方网站：https://pandas.pydata.org/

更新日志 进入官网

Pandas必备开发工具

Python
Python 工具软件
Pandas官网入口_Pandas Python数据分析库_Pandas表格清洗统计与文件处理
Pandas Windows版 3.0.5
Pandas3.0.5 类型：工具软件

更新时间：2026-09-17

Windows版本

苹果版本

Linux版本

DETAILED INTRODUCTION

详细介绍

Pandas 是 Python 生态中用于数据分析与数据整理的开源库，提供 Series、DataFrame、Index、缺失值处理、筛选排序、合并连接、分组聚合、透视表、时间序列、文本处理、CSV/Excel/JSON/SQL/Parquet 等文件和数据源读写能力，适合数据清洗、统计分析、报表自动化、Notebook 探索和数据管道开发。

社区

Stack Overflow Pandas话题
Stack Overflow Pandas话题
Pandas GitHub仓库
Pandas GitHub仓库

大V推荐

Pandas 官方Mastodon
Pandas 官方Mastodon

Pandas 官方Mastodon
个人主页

个人主页

学习视频

更多
全92集 Pandas数据分析入门到实战教程
00:00:00
初级 全92集 Pandas数据分析入门到实战教程

共0课时 | 0人学习

手册

更多
Pandas 官方文档与用户指南
Pandas 官方文档与用户指南

Pandas 官方文档覆盖安装、入门、用户指南、API 参考、IO 工具、索引、缺失值、分组聚合、时间序列、可视化和性能优化等内容。

0

2026.09.14

专栏首页

历史版本

学习视频

手册

专题

资讯

文章

专题

更多
Pandas数据读取导入与文件导出处理 更新
Pandas数据读取导入与文件导出处理 本专题整理Pandas读取CSV、Excel、JSON、SQL、Parquet等文件的方法，以及to_csv、to_excel、to_sql和to_parquet等常用数据导出流程。
Pandas数据筛选索引与清洗处理 必读
Pandas数据筛选索引与清洗处理 本专题整理Pandas中的loc、iloc、条件筛选、query查询、缺失值处理、重复值删除、类型转换和字符串列清洗方法。
Pandas时间序列分析与可视化报表 深度
Pandas时间序列分析与可视化报表 本专题整理Pandas日期转换、时间索引、重采样、滚动窗口、时区处理、plot绘图、Styler表格样式和报表输出方法。

文章

更多
问答 怎样在Python中快速校验嵌套数据结构的合法性？
最省力的方式是用Pydanticv2+定义BaseModel子类，明确字段类型与嵌套子模型，再调用model_validate递归校验；它自动检查类型、缺失/多余字段、越界等，避免手写多层if判断的漏检问题。
干货怎样在Python中快速校验嵌套数据结构的合法性？

P粉602998670
Python教程

2026.10.10 06:57

795

python
教程 如何在Python中将繁重的数据聚合运算下推到SQL数据库端执行？
Python中应让数据库执行GROUPBY和SUM等聚合操作，因Pandas或纯Python加载全量数据再聚合会导致内存和时间开销剧增；需用SQLAlchemyCore原生查询、禁用read_sql()干扰参数，并确保聚合函数来自sqlalchemy.func。
精选如何在Python中将繁重的数据聚合运算下推到SQL数据库端执行？

P粉602998670
Python教程

2026.10.10 06:56

707

python 数据库
教程 为 DataFrame 添加按组内子组聚合值排序的排名列
本文介绍如何在Pandas中高效地为DataFrame新增一列，表示每个(group,subgroup)组合基于其value总和的全局降序排名。核心思路是先分组求和、再排名、最后回填到原始数据。本文介绍如何在Pandas中高效地为DataFrame新增一列，表示每个(group,subgroup)组合基于其value总和的全局降序排名。核心思路是先分组求和、再排名、最后回填到原始数据。在数据分析中，常需对嵌套分组（如g
更新为 DataFrame 添加按组内子组聚合值排序的排名列

DDD
Python教程

2026.10.09 16:43

497

教程 为 DataFrame 添加按组内子组聚合值排序的新列
本文介绍如何使用Pandas为DataFrame高效添加一列，该列反映每个(group,subgroup)组合基于value列总和的全局排名（降序），适用于多级分组排序场景。本文介绍如何使用Pandas为DataFrame高效添加一列，该列反映每个(group,subgroup)组合基于value列总和的全局排名（降序），适用于多级分组排序场景。在数据分析中，常需对嵌套分组（如group→subgroup）按某指标
干货为 DataFrame 添加按组内子组聚合值排序的新列

DDD
Python教程

2026.10.09 16:33

917

问答 如何在Python中测试Pandas数据清洗逻辑
pandas.testing.assert_frame_equal用于严格验证数据清洗结果，需关注dtype、NaN一致性、时间频率、边界脏数据构造及隔离随机性与外部依赖。
必读如何在Python中测试Pandas数据清洗逻辑

P粉602998670
Python教程

2026.10.09 11:22

458

python 数据清洗
教程 Pandas 字符串格式化：精确控制列对齐与宽度
本文介绍如何在Pandas的to_string()中通过自定义格式化函数，实现多列分别左对齐并指定起始列位置（如第3列、第10列），解决数值字符串输出错位问题。本文介绍如何在Pandes的`to_string()`中通过自定义格式化函数，实现多列分别左对齐并指定起始列位置（如第3列、第10列），解决数值字符串输出错位问题。在使用df.to_string(index=False,header=False)生成纯文本表格时，Pandas
精选Pandas 字符串格式化：精确控制列对齐与宽度

DDD
Python教程

2026.10.09 10:31

533

教程 如何在 Pandas 中精确控制 to_string() 输出的列对齐与宽度
本文介绍如何使用formatters参数配合自定义格式化函数，实现DataFrame字符串输出中各列的左对齐、固定起始位置及指定宽度排版，解决to_string()默认右对齐导致的错位问题。本文介绍如何使用`formatters`参数配合自定义格式化函数，实现DataFrame字符串输出中各列的左对齐、固定起始位置及指定宽度排版，解决`to_string()`默认右对齐导致的错位问题。在使用Pandas的to_string()
最新如何在 Pandas 中精确控制 to_string() 输出的列对齐与宽度

DDD
Python教程

2026.10.09 10:26

459

问答 如何在Python Pandas中实现基于多列条件的复杂数据交集？
Pandas无原生intersect多列函数，推荐merge+indicator=True法：先fillna处理NaN，再how=‘inner’合并并筛选_merge==‘both’后删指示列，精准可控；isin+tuple适用于中小数据量。
推荐如何在Python Pandas中实现基于多列条件的复杂数据交集？

P粉602998670
Python教程

2026.10.09 08:44

102

python
问答 Python中Pandas如何将时间跨度转换为具体的总秒数
应使用pd.Timedelta.total_seconds()获取总秒数，它返回含毫秒精度的浮点数；避免误用.seconds（仅返回天以外的秒数）；字符串需先用pd.to_timedelta()解析；时区不一致需先对齐；整数转换推荐round()后astype("int64")。
热门Python中Pandas如何将时间跨度转换为具体的总秒数

P粉602998670
Python教程

2026.10.09 08:43

468

python
问答 Python中Pandas的merge出现笛卡尔积暴增怎么解决
笛卡尔积暴增源于连接键重复，非Pandas性能问题；应检查value_counts()、用validate校验、按业务逻辑预处理重复键，并在建模阶段厘清实体关系。
推荐Python中Pandas的merge出现笛卡尔积暴增怎么解决

P粉602998670
Python教程

2026.10.09 08:32

906

python
问答 如何用Python将Pandas多级索引MultiIndex转为普通列
reset_index()默认将MultiIndex所有层级转为列并重置索引；可指定level参数只展开特定层级；to_frame()仅导出索引结构不改动原数据；set_index()需注意drop和append参数避免嵌套索引。
推荐如何用Python将Pandas多级索引MultiIndex转为普通列

P粉602998670
Python教程

2026.10.09 08:10

704

python
问答 怎样在Python中使用Pandas高效处理多层嵌套JSON结构
pd.json_normalize()必须配合record_path和meta显式指定层级，否则仅展平顶层字段；遇嵌套列表如"items":[...]会整列塞入而非拆行；传入JSON字符串需先json.loads()；record_path指向高基数列表时meta字段会被重复复制，应分步处理。
原创怎样在Python中使用Pandas高效处理多层嵌套JSON结构

P粉602998670
Python教程

2026.10.09 08:01

625

python js json
教程 怎样在Python Pandas中对缺失的时间序列节点进行插值补全？
正确补全时间序列需先用asfreq()或reindex()构造完整DatetimeIndex，再用interpolate(method=‘time’)按真实时间差插值，并配合limit_area=‘inside’和limit参数控制插值范围。
热门怎样在Python Pandas中对缺失的时间序列节点进行插值补全？

P粉602998670
Python教程

2026.10.09 07:49

369

python
问答 Python中Pandas遇到空值时求和结果为0怎么解决
sum()默认跳过NaN且空列返回0，非bug；设min_count=1可使全空列返回NaN；min_count也适用于prod()/min()/max()等，但mean()不支持。
最新Python中Pandas遇到空值时求和结果为0怎么解决

P粉602998670
Python教程

2026.10.09 07:24

248

python
教程 如何使用字典映射在 Pandas 中批量生成双列（值 + 来源组）
本文介绍一种高效、可扩展的方法，利用嵌套字典结构为DataFrame新增两列：一列映射值，一列标识其所属分组，通过字典解析与左连接实现零循环、高可读性的数据重映射。本文介绍一种高效、可扩展的方法，利用嵌套字典结构为DataFrame新增两列：一列映射值，一列标识其所属分组，通过字典解析与左连接实现零循环、高可读性的数据重映射。在Pandas数据处理中，常需根据一个键列（如Column_1）查表填充多个衍生字段——不仅包括映射后的值（如姓名），
精选如何使用字典映射在 Pandas 中批量生成双列（值 + 来源组）

DDD
Python教程

2026.10.08 23:21

972

教程 将嵌套字典列表转换为带标识列的扁平化 DataFrame
本文介绍如何将形如{ticker:[dict,dict,...]}的嵌套字典结构高效转换为PandasDataFrame，并自动将顶层键（如股票代码）作为新列（如‘tick’）注入每行数据。本文介绍如何将形如`{ticker:[dict,dict,...]}`的嵌套字典结构高效转换为PandasDataFrame，并自动将顶层键（如股票代码）作为新列（如`‘tick’`）注入每行数据。在金融或时间序列数据处理中，常遇到以股票
最新将嵌套字典列表转换为带标识列的扁平化 DataFrame

DDD
Python教程

2026.10.08 19:39

791

教程 如何对 groupby 分组结果中所有两两组合应用统计检验函数
本文介绍如何使用pandas和itertools.combinations高效地对groupby得到的多个分组两两配对，执行如Mann-WhitneyU检验等统计函数，并支持动态分组数量、灵活输出格式（长表或对称矩阵）。本文介绍如何使用pandas和itertools.combinations高效地对groupby得到的多个分组两两配对，执行如Mann-WhitneyU检验等统计函数，并支持动态分组数量、灵活输出格式（长
热门如何对 groupby 分组结果中所有两两组合应用统计检验函数

DDD
Python教程

2026.10.08 12:30

191

教程 如何调整Pandas多级索引中第一层的起始值
本文介绍如何将PandasDataFrame多级索引（MultiIndex）中第一层（如“instances”）的整体偏移量统一增加指定数值，例如从0→826，适用于sktime等要求特定索引范围的时序分析库。本文介绍如何将PandasDataFrame多级索引（MultiIndex）中第一层（如“instances”）的整体偏移量统一增加指定数值，例如从0→826，适用于sktime等要求特定索引范围的时序分析库。在使用sktime等时序机器学习库时
最新如何调整Pandas多级索引中第一层的起始值

DDD
Python教程

2026.10.08 11:42

938

教程 如何从Excel导入的Pandas数据框中正确删除NaN值并用于绘图
本文详解如何在使用pandas读取Excel数据后，精准剔除NaN值以确保后续数值计算与可视化（如绘图）顺利进行，避免因误用.values导致DataFrame方法失效的问题。本文详解如何在使用pandas读取Excel数据后，精准剔除NaN值以确保后续数值计算与可视化（如绘图）顺利进行，避免因误用`.values`导致DataFrame方法失效的问题。在使用pandas.read_excel()导入Excel数据时，一个常见误区是过早调用.valu
推荐如何从Excel导入的Pandas数据框中正确删除NaN值并用于绘图

DDD
Python教程

2026.10.08 11:42

801

excel
教程 如何对 groupby 分组后的所有两两组合高效应用统计检验函数
本文介绍如何使用pandas和itertools.combinations对groupby得到的多个分组进行两两配对，并批量执行Mann-WhitneyU检验等统计函数，支持任意数量分组的通用化实现。本文介绍如何使用pandas和itertools.combinations对groupby得到的多个分组进行两两配对，并批量执行Mann-WhitneyU检验等统计函数，支持任意数量分组的通用化实现。在数据分析中，常需对按某
原创如何对 groupby 分组后的所有两两组合高效应用统计检验函数

DDD
Python教程

2026.10.08 11:17

701

查看更多
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn