开篇上一篇的数据存成了文件这一篇的问题是数据读进来了可它长什么样、有几行几列、哪列是数字、哪列有空值我完全不知道。这一篇我整理了一套拿到新数据后的固定体检动作。数据查看的六个方法还是那份 sales.csvdf1 pd.read_csv(data/sales.csv,usecols[订单号, 产品类别, 产品名称, 销售数量, 单价])看开头结尾df1.head(10) 看前 10 行df1.tail(10) 看后 10 行。不传参数默认是 5 行。这是最快确认列名对不对、数据有没有错位的办法。看统计概览df1.describe() 会输出一张统计表只针对数字列给出行数、均值、标准差、最小值、四分位数、最大值。我一般靠它一眼看出异常比如单价列如果 min 是 0 或者 max 大得离谱就说明数据有问题。看整体信息df1.info() 是我认为最有价值的一个它同时列出列名、每列的非空值数量、数据类型、内存占用。非空数量和总行数一减就是每列缺了多少数据。这里有个小坑info() 本身就是直接打印到屏幕的如果你写成 print(df1.info())会先输出正常信息最后再多冒出一个 None。我在笔记里专门给这行加了注释提醒下次的自己。看形状和列名df1.shape 返回 (行数, 列数)df1.columns 返回列名索引。这两个是我在写后续代码前一定会确认的。数据选择先选列再选行选单列用一个方括号得到的是 Seriesvar1 df2[产品名称]选多列要用两个方括号外面那层是传一个列表var2 df2[[产品名称, 单价]]我一开始写成 df2[产品名称, 单价] 直接报错。记住规律单列 → Series多列 → 还是 DataFrame方括号套列表的本质是我给了你一个列名清单。选行用 loc 和 iloc。我的笔记里给自己解释过什么是行号行号是从 0 开始的整数第一行是 0第二行是 1而且行号不能改而上一篇用 index 自定义的 a、b、c 那种是索引标签。var3 df2.loc[0] # 单行var4 df2.loc[0:5] # 多行选行这块是我目前最容易晕的地方所以先记两条结论顶用切片 0:5 包含结尾的 5这点和 Python 原生列表不一样原生是取到 4纯数字行号场景下 loc 和 iloc 表现接近但 iloc 只认位置、loc 还认标签。