Pandas是什么？一文看懂与NumPy、Excel、SQL的区别及入门指南

本节目标：搞清楚 pandas 是什么、为什么大家都在用、它和 NumPy/Excel/SQL 是什么关系，以及去哪里找官方资料。

pandas 是什么

pandas 是 Python 生态里最流行的数据分析库，开源免费，采用 BSD 许可证。它由 Wes McKinney 于 2008 年在量化投资公司 AQR 工作时创建。最初的动机就是处理金融时间序列数据。名字是 “panel data”（面板数据）和 “Python data analysis” 的合写。

pandas 现在是 NumFOCUS 赞助的项目，由全球社区共同维护，GitHub 上有几千名贡献者。发展十几年，它已经成了 Python 数据科学的事实标准。装数据分析环境，pandas 几乎是必装项。

一句话定义：pandas 提供高性能、易用的数据结构和数据分析工具，专攻「表格型」结构化数据。官方文档的目标是让它成为任何语言里最强大、最灵活的开源数据分析工具。

两大核心数据结构

pandas 有两大核心数据结构：

Series：一维带标签数组，可以理解为一列带名字的数据
DataFrame：二维带标签表格，行和列都有标签，是日常使用频率最高的对象

打个比方：DataFrame 就像一张带表头的电子表格，Series 就是其中的一列。本教程 §05、§06 会专门讲它们。

为什么是这两种结构？因为一维的「列」和二维的「表」覆盖了绝大多数表格数据场景。三维或更高维的数据，pandas 用多级索引（MultiIndex）表达，或者交给 xarray 库，这个在第 22 章会提到。

pandas 擅长什么

官方文档列举了不少强项，挑几个常用的说：

缺失值处理：用 NaN 标记缺失，填充、删除有一套完整方案
数据对齐：不同索引的两个对象做运算，自动按标签对齐
分组聚合：groupby 实现 split-apply-combine，一行代码按组统计
合并连接：像 SQL 一样 join、merge 多张表
重塑变形：pivot、melt、stack 等操作改变表格结构
时间序列：日期范围生成、重采样、移动窗口，金融场景的看家本领
IO 全家桶：CSV、Excel、JSON、SQL、Parquet 等格式一行读写

底层大量算法用 Cython 优化，速度比纯 Python 循环快得多。

pandas 不擅长什么

工具都有边界，pandas 也明确自己不做的事：

复杂可视化：自带基础的 plot 接口，复杂图表交给 matplotlib、seaborn
分布式计算：默认单机内存处理，超大数据集请用 Dask、Polars 等
数据库职责：数据存在内存里，不负责持久化存储

知道边界，选型时就不会拿错工具。

与 NumPy 的关系

pandas 构建在 NumPy 之上。NumPy 提供多维数组 ndarray 和向量化运算，pandas 的每一列底层就是一个 NumPy 数组。

两者最大的区别：NumPy 数组整个只有一个 dtype，而 pandas 每列可以有各自的类型。大多数 NumPy 函数可以直接作用于 Series 和 DataFrame，比如 np.exp(df)。

简单说：NumPy 是「数组计算」，pandas 是「表格操作」，pandas 用 NumPy 打底。

与 Excel 的对比

Excel 人人会用，但有几个天生短板：难以自动化、结果难以复现、数据量一大就卡、没法嵌入程序流程。

pandas 恰好补上这些：写一次代码可反复执行，处理百万行也不在话下，还能和爬虫、数据库、机器学习流水线无缝衔接。Excel 适合随手看数据，pandas 适合正经处理数据。

从 Excel 转过来的人，比较大的不适应是「看不到表」：数据存在变量里，要 print 或放到 Jupyter 里才能看见。适应之后你会发现，所有操作都能用文字描述、可复查，比鼠标点来点去踏实得多。

与 SQL 的对比

SQL 里的表、SELECT、WHERE、GROUP BY、JOIN，在 pandas 里都有对应物：DataFrame、选列、布尔筛选、groupby、merge。概念高度相通，SQL 熟练的人学 pandas 会很快。

区别在于运行位置：SQL 在数据库服务器上处理数据，pandas 把数据读进内存处理。大数据量用 SQL，交互式探索和建模前的清洗用 pandas，两者经常配合使用。

在 Python 生态中的位置

数据科学常用组合是「NumPy + pandas + matplotlib」：NumPy 管数组计算，pandas 管表格数据，matplotlib 管画图。再往上，scikit-learn 做机器学习、statsmodels 做统计建模，而 statsmodels 直接依赖 pandas。

所以 pandas 处于中间层：数据进来先经过它清洗整理，再交给上层建模或可视化。学数据分析，pandas 是绕不开的一环。

适用场景

pandas 的应用面非常广：

金融：行情、交易、回测数据
科研：实验数据、观测数据的清洗分析
电商与运营：销售数据、用户行为分析
统计与社科：问卷调查、面板数据
机器学习：特征工程的预处理环节几乎离不开它

举个小例子：电商运营每天导出订单 CSV，用 pandas 读入，按商品分组求销售额，再排个序，10 行代码出一份日报。这种事在 Excel 里要做半小时，还容易出错。

本书的学习路径

本教程共 54 章，按难度梯度组织，前几站是这样：

环境搭建与快速上手（02-03 章）
核心数据结构：Series、DataFrame、类型体系（05-07 章）
数据读写：CSV、Excel、SQL 等（11 章起）
数据选择、清洗、合并、分组聚合
时间序列、文本、可视化、性能优化

先会造表和读文件，再学选择和清洗，再上聚合与建模。

官方资源

官网：https://pandas.pydata.org/
官方文档：https://pandas.pydata.org/docs/（最权威，遇到疑问先查这里）
快速入门：官方 “10 minutes to pandas”
速查表：Pandas Cheat Sheet（PDF）
源码与 Issue：github.com/pandas-dev/pandas
社区问答：Stack Overflow 的 pandas 标签
深入阅读：《利用 Python 进行数据分析》（Wes McKinney 著）

本教程以 pandas 3.0.5（2026-07-22 发布）为基线。

遇到报错先做两件事：看报错信息，再确认你查的资料和你的版本对得上。网上大量教程还停留在 1.x、2.x 时代，个别写法在 3.0 已经变了，本教程会在相关章节专门提醒。

先留个印象，pandas 的代码长这样：

import pandas as pd

# 用字典直接造一张表：列名 -> 数据
df = pd.DataFrame({
    "月份": ["1月", "2月", "3月"],
    "销售额": [120, 150, 130],
})

# 整列求平均，不用写循环
print(df["销售额"].mean())

小结

pandas 是表格数据分析的事实标准，核心是 Series 和 DataFrame
它和 NumPy（数组）、Excel（手工表格）、SQL（数据库表）各有分工
知道它的边界和资源，下一步动手装环境

学习建议：别只看文档，跟着教程把代码亲手敲一遍。装环境是第一步，下一章就带你搞定。

Pandas 简介与生态