Python 数据分析入门｜01 Pandas 基础：1 行代码读取 Excel/Csv文件

学习python数据分析之前， 如果你已经搞懂了Python 基础语法，那么现在就可以进入数据分析的“核心环节”——和真实数据打交道！初学者拿到数据时，会陷入“手动翻 Excel”的误区：面对几百行甚至几千行的销售表、用户表，一遍遍滚动鼠标看数据，既浪费时间又容易漏掉关键信息（比如“这列数据有多少空值？”“销量最高是多少？”）。

其实用 Pandas 库，1 行代码就能加载 Excel/Csv 数据，再用 3 个简单方法，5 分钟内就能把数据的“家底”摸得清清楚楚。今天这篇就带大家入门 Pandas：从“读数据”到“快速分析数据概况”，全程附超市销售数据实战，跟着敲代码就能上手。

先搞懂：为什么数据分析一定要用 Pandas？

初学者可能会问：“我用 Excel 也能看数据，为什么要学 Pandas？”举个真实场景你就懂了：
如果给你一个 10 万行的“超市月度销售数据”，用 Excel 打开要等半天，想知道“有多少列数据、每列是什么类型、有没有空值”，得手动点每一列看；而用 Pandas，1 行代码加载数据，1 行代码就能输出所有关键信息，全程不超过 10 秒。

Pandas 本质是 Python 的“数据处理神器”，专门解决数据分析的“第一个痛点”——高效加载和查看数据，它的核心优势对新手特别友好：

• ✅ 1 行代码读取 Excel/Csv/数据库等几乎所有格式的数据；
• ✅ 自带“快速探查”工具，不用写复杂逻辑就能了解数据结构；
• ✅ 处理大数据不卡顿（比 Excel 快 10 倍以上）；
• ✅ 后续数据清洗、筛选、统计都能无缝衔接。

简单说：学会 Pandas 读数据+查概况，就等于跨进了数据分析的“大门”。

第一步：准备工作

1. 检查/安装 Pandas

默认已经安装python环境和pycharm环境，并已经安装pandas模块，输入 import pandas as pd 并运行，没报错就说明有 Pandas.

2. 准备实战数据（超市销售数据）

为了让初学者有真实的操作感，我们用“超市销售数据”作为案例，数据包含 5 列关键信息（模拟真实场景）：

日期	商品类别	商品名称	销量（件）	销售额（元）
2026-01-01	食品	面包	50	250
2026-01-01	饮料	可乐	30	90
2026-01-02	日用品	纸巾	20	60

怎么获取这个数据？ 两种方式任选：

• 方式 1：手动新建 Excel 文件（命名为 超市销售数据.xlsx），把上面的示例数据输进去，再补几行自己编的数据（比如再加 10 行，包含“零食”“水果”等类别）；
• 方式 2：用代码自动生成，在 pycharm 里运行下面的代码，会自动生成 超市销售数据.xlsx

import pandas as pd
import numpy as np

# 自动生成 20 行超市销售数据
data = {
    "日期": pd.date_range(start="2026-01-01", periods=20, freq="D"),  # 1月1日起20天
    "商品类别": np.random.choice(["食品", "饮料", "日用品", "零食", "水果"], 20),  # 随机选类别
    "商品名称": np.random.choice(["面包", "可乐", "纸巾", "薯片", "苹果"], 20),  # 随机选商品
    "销量（件）": np.random.randint(10, 100, 20),  # 销量10-100之间随机
    "销售额（元）": np.random.randint(30, 500, 20)  # 销售额30-500之间随机
}

# 生成Excel文件
df = pd.DataFrame(data)
df.to_excel("超市销售数据.xlsx", index=False)  # index=False 表示不保存行号
print("数据文件已生成：超市销售数据.xlsx")

关键提醒：文件路径别搞错,把 Excel 文件和python执行文件放在同一目录.

核心操作 1：1 行代码读取 Excel/Csv 数据

Pandas 读数据的核心函数是 read_excel()（读 Excel）和 read_csv()（读 Csv)，刚开始学习不用记太多参数，先掌握“最常用 3 个参数”，就能应对 90% 的场景。

1. 读取 Excel 文件，最常用。

用 pd.read_excel() 函数，基础用法只有 1 行代码：

# 导入Pandas库，习惯简写成pd
import pandas as pd

# 1行代码读取Excel文件（文件和Notebook在同一文件夹）
df = pd.read_excel("超市销售数据.xlsx")

# 打印“数据框”类型（df是Pandas的核心对象，叫DataFrame，类似Excel表格）
print("数据类型：", type(df))  # 输出：<class 'pandas.core.frame.DataFrame'>
print("数据加载完成！")

运行后如果没报错，就说明数据读成功了！这里的 df 是 Pandas 的“数据框”（DataFrame），可以理解为“Python 里的 Excel 表格”，后续所有操作都围绕 df 展开。　　

3 个常用参数（解决 80% 问题）

实际工作中，Excel 文件可能有“多个 sheet”“表头不在第一行”“中文乱码”等问题，这时候加参数就能解决：

参数名	作用	示例
sheet_name	指定读取哪个 sheet（默认读第一个）	pd.read_excel("数据.xlsx", sheet_name="1月销售")
skiprows	跳过前 N 行（比如跳过表头前的说明行）	pd.read_excel("数据.xlsx", skiprows=2)（跳过前2行）
encoding	解决中文乱码（Excel 常用"utf-8"或"gbk"）	pd.read_excel("数据.xlsx", encoding="gbk")

 示例：读指定 sheet 的数据
如果你的 Excel 里有两个 sheet（“1月销售”和“2月销售”），想读“2月销售”：

df_feb = pd.read_excel("超市销售数据.xlsx", sheet_name="2月销售")
print("2月销售数据前5行：")
print(df_feb.head())

2. 读取 Csv 文件（数据分析另一种常用格式）

Csv 文件比 Excel 更小、加载更快，很多公开数据集（比如 Kaggle 上的）都是 Csv 格式，用 pd.read_csv() 读取，用法和 Excel 类似：

# 1行代码读Csv文件（如果没有Csv文件，可先把Excel另存为Csv）
df_csv = pd.read_csv("超市销售数据.csv")

# 解决Csv中文乱码：加encoding参数
df_csv = pd.read_csv("超市销售数据.csv", encoding="utf-8")  # 大多数情况用utf-8
# 如果utf-8不行，换gbk：
# df_csv = pd.read_csv("超市销售数据.csv", encoding="gbk")

核心操作 2：3 个方法，让你看懂数据概况

数据读进来后，最该做的不是马上分析，而是“先摸清数据的家底”——比如有多少行多少列？有没有空值？数值型数据的范围是多少？Pandas 用 3 个方法就能搞定，全程不用写复杂逻辑。

方法 1：df.head() —— 看前几行数据，快速了解结构

如果数据有 10 万行，直接打印所有数据会卡死，head() 默认显示前 5 行，让你快速知道“数据有哪些列、每列是什么内容”。

# 1. 默认显示前5行,以我们的超市数据为例.
print("数据前5行（默认）：")
print(df.head())
#######################################
数据前5行（默认）：
          日期 商品类别 商品名称  销量（件）  销售额（元）
0 2026-01-01   零食   薯片     90     471
1 2026-01-02   食品   可乐     31     161
2 2026-01-03  日用品   可乐     28     155
3 2026-01-04   零食   面包     62     498
4 2026-01-05   零食   可乐     62     405

• 左边的 0、1、2、3、4 是“行索引”（类似 Excel 的行号）；
• 第一行是“列名”（日期、商品类别、销量等）；
• 从内容能快速判断：这是一个按日期记录的销售数据，包含类别、商品、销量、金额。

方法 2：df.info() —— 看数据类型和缺失值，排查“脏数据”

info() 是数据分析的“排雷工具”，能告诉你：

• 数据有多少行（RangeIndex）、多少列（Data columns）；
• 每列的数据类型（dtype）：比如日期是 datetime64、文本是 object、数值是 int64；
• 每列有多少非空值（Non-Null Count）：如果非空值数 < 总行数，说明有缺失值。

代码示例：

print("数据概况（info()）：")
print(df.info())

##############################
运行结果解读：
数据概况（info()）：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19                       # 共20行数据（索引0到19）
Data columns (total 5 columns):                       # 共5列
 #   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
 0   日期      20 non-null     datetime64[ns]          # 日期列：20个非空值，类型是日期
 1   商品类别    20 non-null     object                 # 商品类别：20个非空值，类型是文本
 2   商品名称    20 non-null     object                 # 商品名称：20个非空值，类型是文本
 3   销量（件）   20 non-null     int64                 # 销量：20个非空值，类型是整数
 4   销售额（元）  19 non-null     int64                # 销售额：19个非空值(有1个缺失值),类型是浮点数
dtypes: datetime64[ns](1), int64(2), object(2)
memory usage: 932.0+ bytes                            # 占用内存大小

该关注什么？

1. 缺失值：比如“销售额（元）”只有 19 个非空值，说明有 1 个空值（20-19=1），后续需要处理,数据清洗时处理；
2. 数据类型是否正确：比如“日期”列如果显示 object（文本类型），而不是 datetime64，说明读数据时没识别成日期，后续需要转换；
3. 列名是否清晰：如果列名是“Unnamed: 0”“列1”这种乱码，说明 Excel 表头有问题，需要重新指定表头（用 header 参数，比如 read_excel(..., header=1) 表示用第 2 行做表头）。

方法 3：df.describe() —— 看数值型数据的统计指标，找异常值

describe() 会自动计算所有数值型列（比如销量、销售额）的关键统计量，帮你快速判断“数据有没有异常”（比如销量突然出现 1000 件，可能是录入错误）。

print("数值型数据统计（describe()）：")
print(df.describe())

#############################
 销量（件）    销售额（元）
count   20.000000   19.000000  # 有效数据个数（销量20个，销售额19个）
mean    52.650000   228.421053  # 平均值（平均销量52.65件，平均销售额228.42元）
std     25.324567   125.689741  # 标准差（数值越大，数据波动越大）
min     15.000000    45.000000  # 最小值（最低销量15件，最低销售额45元）
25%     32.500000   120.000000  # 25分位数（25%的数据低于这个值）
50%     51.500000   210.000000  # 50分位数（中位数，一半数据低于这个值）
75%     73.750000   320.000000  # 75分位数（75%的数据低于这个值）
max     98.000000   480.000000  # 最大值（最高销量98件，最高销售额480元）

该关注什么？

1. 最大值/最小值是否合理：比如如果销量的 max 是 1000，而平均值只有 52，说明可能有异常值（比如多输了一个 0），需要后续检查；
2. 平均值和中位数（50%）的差距：如果平均值远大于中位数，说明数据有“极端大值”（比如有一笔销售额 10000 元，拉高了平均值）；
3. 数据波动：标准差（std）越大，说明数据波动越大（比如销量标准差 25，说明销量在 52±25 之间波动，属于正常范围）。

实战：用超市销售数据完整走一遍流程

现在把前面的内容串起来，用我们的超市销售数据做

# 1. 导入Pandas库
import pandas as pd

# 2. 读取Excel数据
# 这里假设Excel只有一个sheet，没有中文乱码
df = pd.read_excel("超市销售数据.xlsx")
print("✅ 超市销售数据加载完成！")

# 3. 用head()看前5行，了解数据结构
print("\n===== 1. 数据前5行（head()） =====")
print(df.head())

# 4. 用info()看数据类型和缺失值
print("\n===== 2. 数据概况（info()） =====")
print(df.info())
# 从info()发现：销售额（元）有1个缺失值，日期列是datetime类型（正常）

# 5. 用describe()看数值型数据统计
print("\n===== 3. 数值型数据统计（describe()） =====")
print(df.describe())
# 从describe()发现：销量最高98件，最低15件，平均52.65件；销售额最高480元，最低45元

# 6. 额外小技巧：看有多少种商品类别（用value_counts()）
print("\n===== 4. 商品类别分布 =====")
category_count = df["商品类别"].value_counts()  # 统计每个类别的出现

运行结果（参考）：

✅ 超市销售数据加载完成！

===== 1. 数据前5行（head()） =====
          日期  商品类别 商品名称  销量（件）  销售额（元）
0 2026-01-01    食品    面包       50        250.0
1 2026-01-02    饮料    可乐       30         90.0
2 2026-01-03    日用品  纸巾       20         60.0
3 2026-01-04    零食    薯片       45        180.0
4 2026-01-05    水果    苹果       60        300.0

===== 2. 数据概况（info()） =====
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19
Data columns (total 5 columns):
 #   Column    Non-Null Count  Dtype         
---  ------    --------------  -----         
 0   日期       20 non-null     datetime64[ns]
 1   商品类别     20 non-null     object        
 2   商品名称     20 non-null     object        
 3   销量（件）   20 non-null     int64         
 4   销售额（元）  19 non-null     float64       
dtypes: datetime64[ns](1), float64(1), int64(1), object(2)
memory usage: 928.0+ bytes

===== 3. 数值型数据统计（describe()） =====
        销量（件）    销售额（元）
count   20.000000   19.000000
mean    52.650000   228.421053
std     25.324567   125.689741
min     15.000000    45.000000
25%     32.500000   120.000000
50%     51.500000   210.000000
75%     73.750000   320.000000
max     98.000000   480.000000

===== 4. 商品类别分布 =====
商品类别
食品      6
饮料      5
日用品    4
零食      3
水果      2
Name: count, dtype: int64

从结果里得出什么结论？

1. 数据规模：20 行 5 列，属于小数据集，后续处理起来很方便；
2. 数据质量：只有“销售额”有 1 个缺失值，整体质量较好，后续只需简单清洗；
3. 业务信息：食品类商品销量最高（6 次），水果类最少（2 次）；平均每次销量 52.65 件，没有极端异常值。

避坑指南：最常见的错误及解决方案

避坑 1：中文乱码（读取后列名或内容显示乱码）

原因：文件编码格式和 Pandas 读取时的编码不匹配（Excel 常用“gbk”或“utf-8”，Csv 同理）。
解决方案：

1. 读 Excel 时加 encoding 参数

df = pd.read_excel("超市销售数据.xlsx", encoding="gbk")  # 先试gbk
# 如果gbk不行，试utf-8：
# df = pd.read_excel("超市销售数据.xlsx", encoding="utf-8")

2. 读 Csv 时同理：

df = pd.read_csv("超市销售数据.csv", encoding="gbk")

避坑 2：日期列读成文本类型（info()里日期列显示 object）

原因：Pandas 没自动识别日期格式（比如日期是“2026/01/01”或“01-01-2026”，格式不标准）。
解决方案：

1. 读数据时加 parse_dates 参数，指定哪一列是日期：

# parse_dates=["日期"] 表示把“日期”列解析成日期类型
df = pd.read_excel("超市销售数据.xlsx", parse_dates=["日期"])

2. 如果还是不行，后续用 pd.to_datetime() 转换：

# 把“日期”列从文本转成日期类型
df["日期"] = pd.to_datetime(df["日期"])

总结：数据分析第一步，先把“数据家底”摸清

这篇我们学会了 Pandas 的核心入门操作：

1. 用 read_excel()/read_csv() 1 行代码读取数据，掌握 sheet_name/encoding/parse_dates 3 个常用参数；
2. 用 head() 看数据结构，info() 查数据类型和缺失值，describe() 分析数值统计；
3. 用实战数据走通“读数据→分析概况”的完整流程，了解业务信息。

记住：数据分析的第一步永远是“了解数据”，不要拿到数据就直接做统计或画图——先摸清数据的行数、列数、缺失值、异常值，后续的清洗和分析才会少走弯路。

 

参考文档：https://mp.weixin.qq.com/s/Tr3Kya-vVNrSIp8Olw7xuA