如果你是 Python 初學者，想踏入資料分析的世界，那 Pandas 絕對是你的第一站。我自己當初學 Python 的時候，光是用 for 迴圈處理 CSV 就搞得一個頭兩個大，直到認識了 Pandas，才真正感受到什麼叫「用對工具，事半功倍」。

這篇 Python Pandas 資料分析入門教學會帶你從零開始，一步步學會最常用的 Pandas 操作。不管你是想做數據報表、清理資料，還是為機器學習做前處理，這些技巧都是基本功。

什麼是 Pandas？為什麼資料分析一定要學它

Pandas 是 Python 生態系裡最重要的資料分析套件，沒有之一。它提供了 DataFrame 和 Series 兩種核心資料結構，讓你可以像操作 Excel 試算表一樣來處理資料，但效能和彈性完全不在同一個等級。

簡單來說，Pandas 能幫你做到這些事：

快速讀取 CSV、Excel、JSON、SQL 等各種格式的資料
靈活地篩選、排序、分組、彙總資料
處理缺失值、重複值等髒資料問題
跟 Matplotlib、Seaborn 搭配做資料視覺化

說真的，我見過太多人想跳過 Pandas 直接去學機器學習，結果連資料都讀不進來，更別說做特徵工程了。先把 Pandas 搞熟，後面的路會順很多。

安裝與匯入 Pandas

第一步當然是把 Pandas 裝起來。打開你的終端機，輸入以下指令：

pip install pandas

如果你用的是 Anaconda 環境，Pandas 通常已經內建了，不用額外安裝。安裝完成後，在 Python 腳本裡這樣匯入：

import pandas as pd
import numpy as np  # Pandas 經常搭配 NumPy 使用

這裡的 pd 是業界通用的縮寫，基本上所有教學和文件都會這樣寫，建議你也養成這個習慣。

建立 DataFrame：你的第一個資料表

DataFrame 是 Pandas 的核心，你可以把它想像成一張有欄位名稱的表格。建立的方式有很多種，最常見的是用字典：

# 用字典建立 DataFrame
data = {
    '姓名': ['小明', '小華', '小美', '阿豪'],
    '年齡': [25, 30, 28, 35],
    '城市': ['台北', '台中', '高雄', '台北'],
    '薪水': [45000, 52000, 48000, 60000]
}

df = pd.DataFrame(data)
print(df)

執行後你會看到一張漂亮的表格：

   姓名  年齡  城市    薪水
0  小明   25  台北  45000
1  小華   30  台中  52000
2  小美   28  高雄  48000
3  阿豪   35  台北  60000

左邊的 0、1、2、3 是索引（index），Pandas 會自動幫你加上。

讀取外部資料：CSV、Excel 一行搞定

實務上你很少會手動建立 DataFrame，大部分時候是從外部檔案讀取資料。Pandas 在這方面超級方便：

# 讀取 CSV 檔案
df = pd.read_csv('sales_data.csv')

# 讀取 Excel 檔案
df = pd.read_excel('report.xlsx', sheet_name='Sheet1')

# 讀取 JSON
df = pd.read_json('api_response.json')

# 從 SQL 資料庫讀取
import sqlite3
conn = sqlite3.connect('mydb.sqlite')
df = pd.read_sql('SELECT * FROM users', conn)

讀進來之後，通常第一件事就是用 df.head() 看前五筆資料，df.info() 看欄位資訊，df.describe() 看數值統計摘要。這三個指令我每天大概要打上百次，根本是肌肉記憶了。

資料篩選與選取：精準找到你要的東西

這大概是 Pandas 最常用也最重要的功能了。選取資料的方式主要有這幾種：

# 選取單一欄位（回傳 Series）
df['姓名']

# 選取多個欄位（回傳 DataFrame）
df[['姓名', '薪水']]

# 條件篩選：薪水大於 50000 的人
df[df['薪水'] > 50000]

# 多條件篩選：台北且薪水大於 45000
df[(df['城市'] == '台北') & (df['薪水'] > 45000)]

# 用 loc 根據標籤選取
df.loc[0:2, '姓名':'城市']

# 用 iloc 根據位置選取
df.iloc[0:2, 0:3]

這邊有個新手超常搞混的地方：loc 是用標籤（label），包含結束索引；iloc 是用整數位置（integer location），不包含結束索引，跟 Python 的 slice 規則一樣。記不住的話，就記 i = integer 就對了。

資料清理：處理缺失值與重複值

真實世界的資料一定是髒的，這點沒有例外。Pandas 提供了一整套工具來對付這些問題：

# 檢查缺失值
df.isnull().sum()

# 刪除含有缺失值的列
df.dropna()

# 用特定值填補缺失值
df['薪水'].fillna(df['薪水'].mean(), inplace=True)

# 用前一個值填補
df.fillna(method='ffill')

# 檢查重複值
df.duplicated().sum()

# 刪除重複值
df.drop_duplicates()

我個人的習慣是，拿到資料的第一件事就是跑 df.isnull().sum() 和 df.duplicated().sum()。先搞清楚資料的「健康狀況」，才決定怎麼處理。盲目地 dropna 可能會讓你損失大量有用的資料。

分組與彙總：GroupBy 的威力

GroupBy 是 Pandas 裡最強大的功能之一，概念跟 SQL 的 GROUP BY 完全相同。它讓你可以按照某個欄位分組，然後對每組進行計算：

# 按城市分組，計算平均薪水
df.groupby('城市')['薪水'].mean()

# 多種彙總計算
df.groupby('城市')['薪水'].agg(['mean', 'max', 'min', 'count'])

# 多欄位分組
df.groupby(['城市', '部門'])['薪水'].mean()

# 自訂彙總函數
df.groupby('城市').agg({
    '薪水': ['mean', 'sum'],
    '年齡': 'mean'
})

我覺得 GroupBy 搭配 agg() 是 Pandas 最優雅的設計之一。以前用 Excel 的樞紐分析表做的事，現在兩三行程式碼就搞定了，而且可以輕鬆處理幾百萬筆資料。

排序與排名

排序也是很基本但常用的操作：

# 按薪水由高到低排序
df.sort_values('薪水', ascending=False)

# 按多個欄位排序
df.sort_values(['城市', '薪水'], ascending=[True, False])

# 排名
df['薪水排名'] = df['薪水'].rank(ascending=False)

# 重設索引
df.reset_index(drop=True)

新增與修改欄位

在資料分析過程中，你經常需要根據現有資料計算出新的欄位：

# 直接新增欄位
df['年薪'] = df['薪水'] * 12

# 條件新增（用 np.where）
df['薪資等級'] = np.where(df['薪水'] >= 50000, '高薪', '一般')

# 用 apply 做更複雜的轉換
def classify_age(age):
    if age < 25:
        return '年輕'
    elif age < 35:
        return '中等'
    else:
        return '資深'

df['年齡分類'] = df['年齡'].apply(classify_age)

這裡要注意一點：apply() 雖然方便，但效能不是最好的。如果你處理的資料量很大（百萬筆以上），盡量用向量化操作（vectorized operations）來取代 apply，速度會快好幾倍。

匯出資料

分析完的資料總得存起來。Pandas 的匯出跟匯入一樣簡單：

# 存成 CSV
df.to_csv('output.csv', index=False, encoding='utf-8-sig')

# 存成 Excel
df.to_excel('output.xlsx', index=False, sheet_name='分析結果')

# 存成 JSON
df.to_json('output.json', orient='records', force_ascii=False)

特別提醒，存 CSV 的時候如果有中文，記得加上 encoding='utf-8-sig'，不然用 Excel 開會變成亂碼。這個坑我踩過無數次。

實戰小技巧與建議

最後分享幾個我自己累積的經驗：

善用 chaining：Pandas 支援方法鏈式呼叫，可以讓你的程式碼更簡潔易讀。
多用 Jupyter Notebook：做資料分析的時候，Notebook 的互動式環境比純腳本方便太多了。
看官方文件：Pandas 的官方文件寫得非常好，遇到問題先查文件。
練習用真實資料：去 Kaggle 下載一些有趣的 dataset 來練手，比自己造假資料有趣多了。

學完 Pandas 基礎之後，你可以搭配其他 Python 工具來擴展你的技能。例如想自動化抓取網路資料來分析，可以參考 Python Selenium 爬蟲教學；如果想定時自動執行你的資料分析腳本，Python APScheduler 排程自動化會非常實用；而當你想把分析結果包裝成 API 服務的時候，Python FastAPI 教學是個很好的起點。

總結

Pandas 是 Python 資料分析的基石，掌握了這篇教學裡的操作，你已經可以處理大部分日常的資料分析任務了。從建立 DataFrame、讀取資料、篩選清理、分組彙總到匯出結果，這一整套流程就是資料分析的標準工作流。

不要想著一次學完所有東西，先從自己手邊的資料開始練習。遇到不會的操作就查，用多了自然就熟了。資料分析這條路，動手做永遠比光看教學有用。祝你學習順利！

Python 資料分析入門：Pandas 常用操作完整教學