边走边聊 Python 3.8：Chapter 9：pandas 数据处理

Chapter 9：pandas 数据处理

数据处理是现代编程的核心能力，而 pandas 是 Python 世界最强大的数据工具。本章将带你理解 DataFrame 的结构、索引、筛选、清洗、导出等关键操作，并通过真实数据集完成一次完整的数据分析流程。你会发现：当你能驾驭数据，你就能驾驭信息。

“数据不会说话，但 pandas 能让它开口。”

大家好！前面我们用 requests/Scrapy 抓了豆瓣 Top 250，也讲了 HTTP 和 Scrapy 框架。今天进入数据处理阶段：把爬来的 CSV/JSON/Excel 变成有用报表。主角就是pandas—— Python 数据处理的“瑞士军刀”。

本篇全部代码在Python 3.8 + Windows 7上实测通过（2026 年最新兼容版），老机器也能流畅运行。目标：拿自己过去一年的手机记账 CSV，自动生成月度收支报表并导出 Excel。

1. 准备工作（Win7 + Python 3.8 专属安装）

1. 确认版本

   python --version

   必须是Python 3.8.x。

2. 安装 pandas 兼容版（一次搞定）：

   pip install pandas==2.0.3 numpy==1.24.4 openpyxl

   • pandas==2.0.3是最后一个官方完美支持 Python 3.8 的版本（Win7 64位/32位都有 wheel）。
   • numpy 是 pandas 底层引擎，必须先装兼容版。
   • openpyxl 用来导出 Excel（第8篇已装）。

   Win7 安装坑：如果报 “Microsoft Visual C++ 14.0 required”，先安装 Visual C++ Build Tools 2019（Win7 兼容版），勾选 Desktop development with C++。

   安装完验证：

   importpandasaspdprint(pd.__version__)# 应显示 2.0.3

2. pandas 基础：Series 和 DataFrame

底层原理（简单说）：
pandas 底层完全依赖numpy。

• Series= 一维数组（numpy.ndarray + 索引）
• DataFrame= 多列 Series 拼成的表格（类似 Excel）
  所有运算都是向量化（vectorized），用 C 语言底层执行，速度比纯 Python 循环快几十倍。
  源码里 DataFrame 就是一个 dict，key 是列名，value 是 Series。

实战代码（直接复制运行）：

importpandasaspdimportnumpyasnp# Series（一维）s=pd.Series([100,200,300],index=['一月','二月','三月'])print(s)print("类型：",type(s))# <class 'pandas.core.series.Series'>print("底层 numpy 数组：",s.values)# numpy.ndarray# DataFrame（二维）data={'日期':['2025-01-15','2025-02-20','2025-03-10'],'类别':['餐饮','交通','购物'],'金额':[45.5,12.0,88.0]}df=pd.DataFrame(data)print(df)print("形状：",df