更新: 2026-02-12
Pandas Melt：将宽表数据重塑为长表格式（完整指南）
学习如何使用 pandas melt() 将 DataFrame 从宽格式反透视（unpivot）为长格式。涵盖 id_vars、value_vars、多层级 melt，以及真实场景的数据重塑示例。
← 返回全部主题
Pandas
浏览此主题下的实用教程、参考指南和问题排查内容。
文章33
更新: 2026-02-12
Pandas 数据透视表：像 Excel 一样汇总并重塑数据（指南）
掌握 pandas pivot_table() 的数据汇总能力。学习聚合函数、多级索引透视、margins 小计/总计、缺失值填充，以及与 groupby、crosstab 的对比。
更新: 2026-02-11
Pandas reset_index()：重置 DataFrame 索引的完整指南
通过实用示例掌握 pandas reset_index()：涵盖 drop 参数、level 分层重置、MultiIndex 处理、inplace 操作与索引操作最佳实践。
更新: 2026-02-10
Pandas DataFrame导出CSV：to_csv()完全指南
学习如何使用to_csv()将Pandas DataFrame导出为CSV文件。掌握分隔符、编码、索引处理、压缩和大文件策略。
更新: 2026-02-10
Pandas Sort Values：Python中DataFrame排序完全指南
学习如何使用sort_values()和sort_index()在pandas中对DataFrame进行排序。掌握单列、多列和自定义排序的实用示例。
更新: 2026-02-10
Pandas删除列：如何从DataFrame中删除列
学习Pandas中删除列的所有方法：drop()、del、pop()和列选择。通过示例处理单列、多列和条件删除。
更新: 2026-02-09
Pandas Apply: 使用自定义函数转换DataFrame
学习如何使用pandas apply()通过自定义函数转换DataFrame和Series。掌握axis、result_type、lambda和向量化替代方案。
更新: 2026-02-09
Pandas Concat：如何在 Python 中连接 DataFrame
学习如何使用 pandas concat 纵向和横向合并 DataFrame。掌握 pd.concat() 的 axis、ignore_index、keys 和 join 参数。
更新: 2026-02-09
Pandas Drop Duplicates：如何在Python中删除重复行
学习如何使用 pandas drop_duplicates() 从 DataFrame 中删除重复行。通过实用示例掌握 subset、keep、inplace 参数。
更新: 2026-02-09
Pandas Merge：Python中合并DataFrame的完整指南
学习如何使用pandas merge在Python中组合DataFrame。通过实用代码示例和最佳实践掌握内连接、外连接、左连接和右连接。
更新: 2026-02-09
Pandas Read Excel: 如何在Python中导入Excel文件
学习如何使用pandas read_excel将.xlsx和.xls文件导入DataFrame。掌握sheets、dtypes、headers、usecols和大文件处理。
更新: 2026-02-09
Pandas 过滤行：在 Python 中按条件选择数据
学习如何使用布尔索引、query()、loc[] 和 where() 过滤 pandas DataFrame 的行。掌握使用多个条件的条件选择。
更新: 2025-11-30
Pandas MultiIndex：分层索引实用指南
使用 set_index、swaplevel、reorder_levels、xs、stack 和 unstack 创建、切片与重塑分层索引。
更新: 2025-11-30
Pandas 字符串操作：向量化文本清洗
使用 pandas string dtype 和向量化 .str 方法清洗、过滤和规范化文本；在安全处理正则、NA 值和分裂的同时，避免 Python 循环。
更新: 2025-11-30
Pandas 滚动窗口：Rolling、Expanding 和 EWM
使用 rolling、expanding 和 ewm 计算移动平均、累积统计和指数平滑；控制窗口对齐、min_periods 和基于时间的窗口。
更新: 2025-11-19
Pandas Data Cleaning：实用工作流（2025）
面向生产的 Pandas 数据清洗流程：处理缺失、类型统一、列名规范、外值应对和质量校验。
更新: 2025-11-19
Pandas GroupBy：聚合、Transform、Apply 全面指南（2025）
用清晰示例掌握 Pandas GroupBy：聚合、transform、apply、多重聚合，以及排序、dropna 等常见坑位的处理。
更新: 2025-11-19
Pandas Merge & Join：像 SQL 一样稳妥地做连接
精简指南覆盖 Pandas merge/join：inner/left/right/outer、suffixes、indicator、validate，以及处理重复键或索引键的技巧.
更新: 2025-11-19
Pandas Pivot vs Melt：正确的重塑方式
学习用 pivot、pivot_table、melt、stack、unstack 重塑数据，包含总计行/列、多级列以及 tidy 数据流程。
更新: 2025-11-14
Pandas DataFrame 添加列：6种最佳方法（2025 指南）
学习向 Pandas DataFrame 添加新列的最有效方式，包括赋值、insert、assign、concat、条件逻辑等方法，含最佳实践和常见错误提示。
更新: 2025-11-14
Pandas read_csv() 教程：像专业人士一样导入 CSV 文件
一份完整且最新的 pandas.read_csv() 使用教程，教你如何高效导入 CSV 文件。涵盖参数说明、日期解析、编码问题修复、常见错误以及适用于 pandas 2.0+ 的性能优化技巧。
更新: 2025-11-14
如何在 Pandas DataFrame 的列中轻松搜索值
学习如何使用布尔索引、query、isin、字符串搜索等方法，在 Pandas DataFrame 的列中查找特定值，高效清晰地提取所需数据。
更新: 2025-11-14
如何在 Pandas 中创建空 DataFrame
学习多种在 Pandas 中创建空 DataFrame 的方法，包括列名、数据类型以及最佳实践。含更新示例与现代 Pandas 技巧。
更新: 2025-11-14
如何将 Pandas DataFrame 转换为 List？(2025 指南)
学习在现代 Pandas 中高效地把 DataFrame 转换成列表 —— 包括列表嵌套列表（list of lists）、字典列表（list of dicts）、元组列表（list of tuples），以及用 to_numpy()、tolist()、to_dict() 做列转列表等操作。
更新: 2025-01-10
如何在 Pandas 中重命名列：简单高效的方法
学习在 Pandas DataFrame 中重命名列的最快、最有效方法。更新至 Pandas 2.x，涵盖最佳实践、示例及保持数据分析整洁有序的技巧。
更新: 2023-08-21
Modin：加速 Python Pandas
学习如何在 Python 中使用 Modin 加速 Pandas DataFrame —— 这个轻量、易用的库通过并行计算加快 DataFrame 操作。
更新: 2023-08-17
Pandas 类型标注：高效且易维护代码的最佳实践
一份关于在 Python 中结合 pandas 使用类型标注的完整指南。学习如何在机器学习等场景中使用 type hints、DataFrame 以及 typing 模块来编写高效、易维护的代码。
更新: 2023-08-17
Pandasql - 使用 SQL 查询 DataFrame 的 Python 包
了解 Pandasql，这是一款强大的 Python 包，可使用 SQL 语法对 Pandas DataFrame 进行查询和操作。通过这篇完整指南学习如何安装、使用并优化 Pandasql 性能。
更新: 2023-08-17
Python 向量数据库：空间数据与生成式 AI 的最佳数据库与工具
探索在 Python 中用于空间数据存储与检索的向量数据库威力。通过 Jina AI 的 DocArray 解锁生成式 AI 和自然语言处理的新能力。
更新: 2023-07-04
在 Pandas 中优化 SQL 查询：Pandas 到 SQL 其实很简单！
了解如何在 pandas 中使用 to_sql() 方法高效、安全地将 DataFrame 写入 SQL 数据库。学习最佳实践、技巧与常见坑点，帮助你优化性能。
更新: 2023-05-30
Pandas 2.0：你必须了解的新特性
通过 Pandas 2.0 升级你的数据处理技能。了解其在机器学习、时间序列数据等方面的最新特性和最佳实践，从今天就开始上手。
更新: 2023-05-07
Pandas Where：利用 Pandas 的强大功能管理空值
了解 Pandas 中用于处理缺失数据的各种技术和函数，包括 isnull()、dropna() 和 fillna()。