Python-pandas面试题总结

一、数据结构基础

1. ‌Series 与 DataFrame 的区别‌

   • Series 是一维标签数组，只能存储单一类型数据；DataFrame 是二维表格型数据结构，不同列可以存储不同数据类型。
   • Series 由 值（values） 和 索引（index） 组成； DataFrame由多个列（Series）组成，每列有独立列名。
   • 示例：
     

     import pandas as pd
     # 创建 Series
     s = pd.Series([1, 3, 5], index=['a', 'b', 'c'])
     
     # 创建 DataFrame
     df = pd.DataFrame({'A': [1, 2], 'B': ['x', 'y']})
     
     

2. ‌如何从字典/列表创建 DataFrame‌

   • 使用 pd.DataFrame() 并传入字典或嵌套列表，键作为列名‌。

　　　　　　从字典创建 DataFrame
‌　　　　　　1）基础字典格式‌
　　　　　　字典的键作为列名，值作为对应列的数据列表。
　　　　　　import pandas as pd
　　　　　　data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
　　　　　　df = pd.DataFrame(data)
　　　　　　输出：
　　　　　　Name Age
　　　　　　0 Alice 25
　　　　　　1 Bob 30
　　　　　　2 Charlie 35
‌　　　　　　说明‌：列名自动对齐，数据按行填充‌。

‌　　　　　　2）处理嵌套字典‌
　　　　　　若字典值为字典，则键会作为列的多级索引（适用于复杂结构）：
　　　　　　data = {'Info': {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}}
　　　　　　df = pd.DataFrame(data['Info'])
　　　　　　输出：
　　　　　　Name Age
　　　　　　0 Alice 25
　　　　　　1 Bob 30

 

　　　　　　从列表创建 DataFrame
‌　　　　　　1）列表的列表（嵌套列表）‌
　　　　　　每个子列表表示一行数据，需配合 columns 参数指定列名：
　　　　　　data = [['Alice', 25], ['Bob', 30], ['Charlie', 35]]
　　　　　　df = pd.DataFrame(data, columns=['Name', 'Age'])
　　　　　　输出：
　　　　　　Name Age
　　　　　　0 Alice 25
　　　　　　1 Bob 30
　　　　　　2 Charlie 35

　　　　　　‌2）字典列表‌
　　　　　　列表中的每个字典代表一行数据，键自动对齐为列名：
　　　　　　data = [{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]
　　　　　　df = pd.DataFrame(data)
　　　　　　输出：
　　　　　　Name Age
　　　　　　0 Alice 25
　　　　　　1 Bob 30

‌　　　　　　3）配合 NumPy 数组‌
　　　　　　若数据为 NumPy 数组，可直接转换并指定列名：
　　　　　　import numpy as np
　　　　　　arr = np.array([['Alice', 25], ['Bob', 30]])
　　　　　　df = pd.DataFrame(arr, columns=['Name', 'Age'])

 

二、数据读取与查看

1. ‌读取 CSV 文件‌
   • 使用 pd.read_csv('file.csv')，可选参数如 parse_dates 处理日期格式‌。
     

     示例 CSV 文件内容‌ (data.csv)：
     date,value
     2023-01-05,100
     2023-02-10,200
     ‌
     读取并解析日期列‌：
     df = pd.read_csv('data.csv', parse_dates=['date'])
     print(df.dtypes)
     ‌
     输出‌：
     date datetime64[ns]
     value int64

     
     
2. ‌查看数据基本信息‌
   • df.head(n) 查看前 n 行，
   • df.info() 显示数据类型，
   • df.describe() 统计数值列摘要‌。

 

三、数据处理与清洗

1. ‌处理缺失值‌
   • df.dropna() 删除缺失值行/列，
   • df.fillna(value) 填充指定值或统计量（如均值）‌。
2. ‌删除重复值‌
   • df.drop_duplicates() 删除重复行‌。
3. ‌类型转换‌
   • df.astype() 修改列数据类型，例如将字符串转为数值‌。

 

四、数据筛选与聚合

1. ‌条件筛选‌
   • 布尔索引：df[df['A'] > 10] 筛选列 A 大于 10 的行‌。
2. ‌分组聚合‌
   • df.groupby('category').sum() 按类别分组求和，或自定义聚合函数‌。
3. ‌数据透视表‌
   • pd.pivot_table() 实现类似 Excel 的透视表功能，支持多维度聚合‌。

 

五、数据合并与连接

1. ‌合并 DataFrame‌
   • pd.concat([df1, df2], axis=0) 纵向堆叠，
   • pd.merge(df1, df2, on='key') 按列关联‌。
2. ‌连接方式差异‌
   • 内连接（how='inner'）保留共有键，
   • 外连接（how='outer'）保留所有键‌。

 

六、时间序列处理

1. ‌解析日期数据‌
   • 通过 pd.to_datetime(df['date']) 转换日期字符串为时间戳‌。
2. ‌时间窗口计算‌
   • 使用 df.resample('D').mean() 按天重采样并计算均值‌。

 

七、性能优化

1. ‌内存优化‌
   • 调整数据类型（如 int32 替代 int64）减少内存占用‌。
2. ‌向量化操作‌
   • 优先使用内置函数（如 df.apply()）替代循环，提升效率‌。

 

高频进阶问题示例

• ‌如何将多个 Series 合并为 DataFrame‌：pd.concat([s1, s2], axis=1)‌。
• ‌如何设置或重置索引‌：df.set_index('col') 和 df.reset_index()‌。