摘要：Pandas 是数据分析的瑞士军刀，也是 Python 数据科学生态系统中最受欢迎的库之一。然而，大多数用户通常只使用了它的基础功能，比如简单的数据读取、基本筛选和聚合操作。实际上，在 Pandas 中隐藏着数十个强大的技巧和高级功能，它们能够节省大量的编码时

Pandas 是数据分析的瑞士军刀，也是 Python 数据科学生态系统中最受欢迎的库之一。然而，大多数用户通常只使用了它的基础功能，比如简单的数据读取、基本筛选和聚合操作。实际上，在 Pandas 中隐藏着数十个强大的技巧和高级功能，它们能够节省大量的编码时间，简化复杂的数据转换过程，并使您的 Jupyter Notebook 工作流程变得快如闪电。无论您是数据分析新手还是有经验的从业者,掌握以下七个 Pandas 技巧，都可以帮助您成为真正的数据分析向导，显著提升工作效率和代码质量。

技巧一：使用 assign 清洁地创建多列

在日常数据处理中创建新列时，许多人习惯逐一添加列，这会导致代码冗长且难以维护。更优雅的做法是使用 assign 方法。assign 允许您在一个可链式（chainable）的语句中同时创建多个派生列，这种方法有助于保持代码的整洁和可读性。

例如，假设您需要基于现有列创建多个计算列，传统方法可能需要写多行代码：df['new_col1'] = ...、df['new_col2'] = ...。而使用 assign，您可以将所有操作串联在一起：df.assign(new_col1=lambda x: x['col1'] * 2, new_col2=lambda x: x['col2'] + 10)。这种链式风格不仅代码更简洁，而且符合函数式编程的思想，避免了对原始 DataFrame 的反复修改，使数据处理管道更加清晰透明。

技巧二：使用 query 进行 SQL 风格的过滤

对于有 SQL 背景的数据分析师来说，query 方法简直是一个福音。它提供了 SQL 风格的数据筛选功能，使代码更具可读性。使用 query 进行过滤，其读取方式几乎就像标准的 SQL WHERE 子句。

例如，传统的 Pandas 过滤方式可能是：df[(df['temperature'] > 15) & (df['city'] != 'rome')]，这种方式需要大量的方括号和括号嵌套。而使用 query，您可以写成：df.query("temperature > 15 and city != 'rome'")，是不是清爽多了？这种方法不仅代码更简洁，而且在处理复杂的多条件过滤时，逻辑表达更加直观。此外，query 还支持使用变量和表达式，让您的过滤操作更加灵活强大。这是一种实现快速且干净过滤的理想方法，特别适合需要频繁调整过滤条件的探索性数据分析场景。

技巧三：使用 explode 将列表拆分成行

在真实的数据处理场景中，我们经常会遇到某一列单元格中包含列表（list）或数组的情况，比如用户的标签集合、商品的分类列表等。这时，explode 方法就能大显身手。它可以自动将该列表中的每个元素转换成一个新的数据行，实现数据的"展开"操作。

通过使用 explode，列内列表中的每个元素都变成了独立的行，而其他列的值会相应地重复。在这种扩展过程中，原始的索引值会在这些新行中保持不变（会重复），这有助于后续的追踪和合并操作。例如，如果您有一列包含每个用户的兴趣标签列表，使用 explode 后，每个标签都会成为一行，便于进行标签级别的统计分析。当您处理每单元格具有多个值（例如标签、关键词或嵌套的 JSON 数据）的数据时，这项功能会超级有用，能够将嵌套结构的数据转换为扁平化的表格格式，为后续分析铺平道路。

技巧四：使用 value_counts 结合 normalize=True 计算百分比

数据分析中，了解分类变量的分布是一项基础而重要的任务。这项技巧可以快速找到类别的比例（proportion），而不是仅仅获得原始计数，让您对数据分布有更直观的认识。

value_counts 会计算每个类别的出现次数，这是大家都熟悉的功能。但很多人不知道，通过添加 normalize=True 参数，结果会被自动转换为百分比（更准确地说是比例，范围在 0 到 1 之间）。例如，df['category'].value_counts(normalize=True) 会直接返回每个类别占总数的比例。这对于快速查看类别平衡比例、识别数据倾斜、或了解分类分布非常有用。在机器学习项目中，这个技巧特别有价值，因为它能帮助您快速识别类别不平衡问题，从而决定是否需要采取重采样或其他平衡技术。

技巧五：使用 nlargest 和 nsmallest 进行快速排名

在需要找出 Top N 或 Bottom N 记录时，很多人会先用 sort_values 排序整个 DataFrame，然后再用 head 或 tail 切片。但实际上，Pandas 提供了更高效的方法。

nlargest 和 nsmallest 可以立即根据列值找到排名最高或最低的 n 行，且无需对整个数据集进行完整排序。例如，df.nlargest(2, 'score') 会直接返回得分最高的两行数据。同样地，df.nsmallest(1, 'score') 可以获取最低分数的一行。这种方法比手动排序和切片要快得多，尤其是在处理大型数据集时，性能优势更加明显。因为这两个方法使用了堆算法（heap），时间复杂度为 O(n + k log k)，而完整排序需要 O(n log n)。当 k（需要的行数）远小于 n（总行数）时，效率提升非常显著。此外，代码也更简洁明了，一行就能搞定原本需要两三行的操作。

技巧六：使用 melt 将宽格式数据重塑为长格式

数据的组织形式对分析效率有着重要影响。在数据分析领域，"整洁数据"（tidy data）的概念越来越受到重视，而 melt 正是实现数据整洁化的利器。

melt 的作用是将宽格式（wide format）的数据重塑为长格式（long format）。宽格式数据通常将不同的变量或时间点作为列，而长格式则将这些信息转换为行，使数据集变得更加"整洁"（tidy），这是进行绘图和统计分析的理想选择。例如，如果您有一个包含多个季度销售数据的表格（Q1、Q2、Q3、Q4 作为列），melt 可以将其转换为三列：ID、季度、销售额。在转换过程中，通过 id_vars 参数保持某些列（如产品 ID）固定不变。这种转换后的长格式非常适合用于为 Seaborn 或 Plotly 等可视化库准备数据，因为这些库通常期望接收长格式的数据。此外，长格式数据也更便于进行分组聚合和时间序列分析。

技巧七：使用 style 动态高亮数据

数据分析不仅仅是数字计算，有效的数据呈现同样重要。在 Jupyter Notebook 中展示结果时，使用 style 可以动态地使您的数据可视化，让关键信息一目了然。

style 功能使 DataFrame 在 Jupyter 环境中显示时更具视觉吸引力和信息表达力。例如，您可以使用 df.style.highlight_max(color='lightgreen') 高亮最大值，使用 df.style.highlight_min(color='lightcoral') 标记最小值，或使用 df.style.background_gradient(cmap='viridis') 创建颜色渐变效果，让数值大小通过颜色深浅直观展现。您还可以自定义格式化函数，比如为负数添加红色，为正数添加绿色，或者设置小数位数和千位分隔符。需要特别注意的是，这些样式操作并不会修改数据本身，它们只是改变数据在显示时的渲染方式，不会影响底层的数据结构和值。这个功能在制作报告、演示分析结果或进行数据质量检查时特别有用，能够帮助您和您的受众快速识别数据中的模式和异常。

总结

掌握这七个 Pandas 技巧可以为您节省数小时甚至数天的工作时间，并使您的数据分析流程更加专业、更清洁、更快速。这些技巧的共同特点是：它们都能让您用更少的代码完成更多的工作，同时保持代码的可读性和可维护性。从可链式的列创建到 SQL 风格的查询，从数据重塑到视觉化增强，每个技巧都针对实际工作中的常见场景提供了优雅的解决方案。

来源：数据分析精选