Python 数据分析：Pandas 与 Polars 实战

Sat, 15 Aug 2026 10:00:00 +0800

1. Pandas 核心操作

1.1 DataFrame 基础

import pandas as pd
import numpy as np

# 创建
df = pd.DataFrame({
 'name': ['Alice', 'Bob', 'Charlie', 'Diana'],
 'age': [25, 30, 35, 28],
 'city': ['Beijing', 'Shanghai', 'Beijing', 'Shenzhen'],
 'salary': [15000, 20000, 25000, 18000]
})

# 查看
print(df.head(3)) # 前3行
print(df.info()) # 结构信息
print(df.describe()) # 统计摘要

1.2 数据筛选与查询

# 条件筛选
high_earners = df[df['salary'] > 18000]
beijing_employees = df[(df['city'] == 'Beijing') & (df['age'] > 25)]

# query 语法
result = df.query('salary > 18000 and city == "Beijing"')

# loc / iloc
df.loc[0, 'name'] # 按标签: Alice
df.iloc[0, 0] # 按位置: Alice
df.loc[0:2, ['name', 'salary']] # 切片 + 列选择

1.3 数据清洗

# 处理缺失值
df['age'].fillna(df['age'].mean(), inplace=True) # 均值填充
df.dropna(subset=['salary'], inplace=True) # 删除缺失

# 去重
df.drop_duplicates(subset=['name'], keep='first')

# 类型转换
df['salary'] = df['salary'].astype(float)
df['date'] = pd.to_datetime(df['date'])

# 字符串操作
df['name_upper'] = df['name'].str.upper()
df['email_domain'] = df['email'].str.split('@').str[1]

1.4 分组聚合

# 分组统计
city_stats = df.groupby('city').agg({
 'salary': ['mean', 'max', 'min'],
 'age': 'mean'
}).round(2)

# 透视表
pivot = pd.pivot_table(df, values='salary', index='city', 
 columns='age_group', aggfunc='mean')

# 多层级分组
df.groupby(['city', 'department'])['salary'].sum()

2. 时间序列分析

# 创建时间序列
dates = pd.date_range('2024-01-01', periods=100, freq='D')
ts = pd.Series(np.random.randn(100).cumsum(), index=dates)

# 重采样
monthly = ts.resample('M').mean() # 月均值
daily_sum = ts.resample('D').sum() # 日合计

# 移动平均
ts_ma = ts.rolling(window=7).mean() # 7日移动平均

# 滞后与差分
ts_lag = ts.shift(1) # 滞后1期
ts_diff = ts.diff(1) # 一阶差分

3. Polars：高性能替代方案

Polars 使用 Rust 编写，查询速度比 Pandas 快 10-100 倍，内存占用更低。

Pandas on PlumePHP

Python 数据分析：Pandas 与 Polars 实战

1. Pandas 核心操作

1.1 DataFrame 基础

1.2 数据筛选与查询

1.3 数据清洗

1.4 分组聚合

2. 时间序列分析

3. Polars：高性能替代方案