pandas數據合併：merge與concat基礎操作，新手也能學
本文介紹pandas的`merge`和`concat`兩個數據合併工具，適合新手快速掌握。 **concat**：無關聯鍵，直接拼接，分行/列方向。行拼接（`axis=0`）適合結構相同表（如多月份數據），需注意用`ignore_index=True`重置索引避免重複；列拼接（`axis=1`）需行數一致，用於按行標識合併（如學生信息+成績表）。 **merge**：基於共同鍵（如姓名、ID）合併，類似SQL JOIN，支持四種方式：`inner`（默認，保留共同鍵）、`left`（保留左表）、`right`（保留右表）、`outer`（保留所有）。鍵名不同時用`left_on`/`right_on`指定，默認合併方式爲`inner`。 **關鍵區別**：concat無鍵直接拼接，merge按鍵匹配。新手需注意：concat列拼接行數需一致，merge用`how`參數控制合併範圍，避免索引重複和鍵名不匹配問題。
閱讀全文pandas索引（Index）入門：輕鬆搞定數據排序與重命名
### pandas索引（Index）詳解 索引是pandas中標識數據位置和內容的關鍵，類似Excel的行號/列標題，是數據的“身份證”，核心作用包括快速定位數據、支持排序和合並操作。 **數據排序**： - **Series排序**：按索引排序用`sort_index()`（默認升序，可設`ascending=False`降序）；按值排序用`sort_values()`（默認升序，同理可降序）。 - **DataFrame排序**：按列值排序用`sort_values(by=列名)`，按行索引排序用`sort_index()`。 **重命名索引**： - 用`rename()`方法修改行/列標籤，如`df.rename(index={舊名:新名})`或`df.rename(columns={舊名:新名})`； - 直接賦值修改：`df.index = [新索引]`或`df.columns = [新列名]`，需保證長度一致。 **注意事項**： - 區分行索引（`df.index`）和列索引（`df.columns`）； - 修改索引時
閱讀全文pandas保姆級教程：缺失值處理從入門到實踐
這篇文章介紹了數據分析中缺失值的處理方法。缺失值指數據集中無有效值，pandas中以`NaN`表示。處理前需先檢查：`isnull()`標記缺失值，`isnull().sum()`統計各列缺失數，`info()`查看整體缺失分佈。 處理策略分刪除和填充：刪除用`dropna()`，按行（默認）或列刪除含缺失值的記錄；填充用`fillna()`，包括固定值（如0）、統計量（均值/中位數適合數值，衆數適合分類）、向前/向後填充（`ffill/bfill`，適用於時間序列）。 案例以電商訂單數據爲例，先檢查缺失值，再用均值填充“金額”列，衆數填充“支付方式”列。處理核心步驟爲：檢查缺失→選策略（極少值刪除，多值或關鍵數據填充）→驗證結果，需結合數據特點靈活選擇方法。
閱讀全文