企业官网建设流程全解析

前言

对刚接触 Python 的人来说，最实用的第一个脚本往往是"读一个 Excel、做点统计、 再输出结果"。pandas 让这件事变得很短：读进来是一个DataFrame， 之后的行列操作都围绕它展开。

不过有两件事要先交代。第一，pandas 是第三方库，读.xlsx还需要一个引擎， 通常是openpyxl，所以要pip install pandas openpyxl。 第二，本文的运行环境里没有 Python 解释器、没有 pandas，示例无法运行验证， 只能逐行人工推演。参数细节以 Pandas 官方文档为准。

一、读进来，先看清楚

# pandas 1.0+；需 pip install pandas openpyxl
import pandas as pd

df = pd.read_excel("sales.xlsx", sheet_name=0) # 默认读第一个工作表
print(df.shape) # (行数, 列数)
print(df.columns) # 列名
print(df.head()) # 前 5 行

几个"看一眼"的入口，入门阶段务必先都过一遍：

df.info()特别值得先看：它一次告诉你每列有多少非空值，缺失情况一目了然。df.describe()默认只统计数值列，给出计数、均值、标准差、最小最大值和四分位数， 传include="all"还能把类别列也一并统计进来。

注意read_excel的参数名是sheet_name（不是旧版的sheetname）。 一个 Excel 有多个工作表时，可传表名，或传sheet_name=None一次读全部并得到字典。

二、挑出你关心的行和列

# pandas 1.0+
df["金额"] # 取一列，返回 Series
df[["城市", "金额"]] # 取多列，返回 DataFrame
df[df["金额"] > 1000] # 按条件筛行
df.loc[df["城市"] == "北京", "金额"] # 按条件取某列

要点：

• 
  
• 取一列用单方括号，得到Series；取多列要写双层方括号。
• 
  
• 条件筛选用布尔序列，多个条件用&、|连接，且每个条件都要加括号，
• 
  

因为位运算符的优先级高于比较运算符。

• 
  
• 按标签取值用.loc，按位置取值用.iloc。前者按行/列的名字，后者按
• 
  

从 0 开始的序号，且.iloc的切片不含结束位置——和 Python 列表一致。

# pandas 1.0+
subset = df[(df["金额"] > 1000) & (df["城市"] == "北京")]

三、做几个常用统计

# pandas 1.0+
print(df["金额"].sum()) # 合计
print(df["金额"].mean()) # 平均
print(df["城市"].value_counts()) # 每个城市出现次数
print(df.sort_values("金额", ascending=False).head(10)) # 金额前 10

value_counts()用来数类别频次特别好用，返回的是"值—次数"的Series， 默认按次数从多到少排。sort_values按某列排序，ascending=False表示降序。

Excel 里最常见的情况是"某一列有空单元格"。pandas 把它读成缺失值， 先用下面两行摸清情况再决定怎么处理：

# pandas 1.0+
print(df.isna().sum()) # 每列缺了多少个
print(df.isna().mean()) # 每列缺失的比例

isna()返回布尔矩阵，.sum()数个数、.mean()算比例。 判定缺失只能用isna()/notna()，不要用== None或== numpy.nan： 因为浮点缺失值NaN连自己都不等于自己，==永远筛不出来。

四、简单分组汇总

# pandas 1.0+
by_city = df.groupby("城市", as_index=False)["金额"].sum()
print(by_city)

groupby("城市")["金额"].sum()的含义是"按城市分组后对金额求和"。 默认分组键会变成结果的索引，加as_index=False可让它保持为普通列， 后续写 Excel 时更省心。

分组这一步很容易和另外两个操作搞混，这里顺手分清：

drop_duplicates()默认按整行判断重复；只想按某几列去重，传subset=["城市"]。

五、结果写出去

# pandas 1.0+
by_city.to_excel("城市汇总.xlsx", index=False)

index=False避免把行号也写进文件。若要在同一个 Excel 里放多张表， 用pd.ExcelWriter作为上下文管理器，给每次to_excel传不同的sheet_name。 写多个表时务必用with，否则文件可能没被正确保存：

# pandas 1.0+
with pd.ExcelWriter("结果.xlsx", engine="openpyxl") as writer:
by_city.to_excel(writer, sheet_name="按城市", index=False)
df.head(50).to_excel(writer, sheet_name="样例", index=False)

关于类型，还有一点新手常问：为什么读进来的编号是1001，做一次筛选后就 变成了1001.0？原因是那一列里存在空单元格，pandas 为了让缺失值有位置可放， 把整列从int64提升成了float64。想让整数仍是整数，可以先把缺失填上， 或改用可空整数类型Int64。

六、一个完整的入门脚本

# pandas 1.0+；需 pip install pandas openpyxl
import pandas as pd


def analyze(path: str) -> pd.DataFrame:
df = pd.read_excel(path, sheet_name=0)

# 1) 先看清结构
print(df.shape)
print(df.info())
print(df.describe())

# 2) 处理一下空值：数值列按 0 填
df["金额"] = df["金额"].fillna(0)

# 3) 按城市汇总并降序排列
result = (
df.groupby("城市", as_index=False)
.agg(总额=("金额", "sum"), 笔数=("金额", "size"))
.sort_values("总额", ascending=False)
)
return result


if __name__ == "__main__":
summary = analyze("sales.xlsx")
print(summary)
summary.to_excel("城市汇总.xlsx", index=False)

常见坑点

1. 
   
2. 读 Excel 忘了装引擎
3. 
   

❌ 只pip install pandas就pd.read_excel("a.xlsx")，报缺少 openpyxl ✅ 先pip install openpyxl（写.xlsx同样需要它）

1. 
   
2. 参数名写成旧版的sheetname
3. 
   

❌pd.read_excel("a.xlsx", sheetname="Sheet1")✅pd.read_excel("a.xlsx", sheet_name="Sheet1")

1. 
   
2. 取多列只写一层方括号
3. 
   

❌df["城市", "金额"]，被当成一个元组键，直接 KeyError ✅df[["城市", "金额"]]，双层方括号才是多列

1. 
   
2. 多条件筛选忘了加括号
3. 
   

❌df[df["金额"] > 1000 & df["城市"] == "北京"]， 位运算优先级导致逻辑错乱甚至报错 ✅df[(df["金额"] > 1000) & (df["城市"] == "北京")]

1. 
   
2. 整数列有空值后变成小数
3. 
   

❌ 金额列里有个空单元格，整列变float64，整数显示成3.0✅ 这是正常现象；先fillna(0)或用dtype="Int64"

1. 
   
2. groupby后按列名取不到分组键
3. 
   

❌result["城市"]报 KeyError，因为城市变成了索引 ✅ 加as_index=False，或事后reset_index()

1. 
   
2. 写 Excel 时行号也写进去了
3. 
   

❌ 结果表第一列多出一列 0,1,2 的索引 ✅to_excel("out.xlsx", index=False)

总结

入门阶段记住一个顺序就够了：先看（shape/info/describe）→ 再选（筛选、取列） → 后算（统计、分组）→ 最后写（to_excel）。把这条链路跑顺， 再逐步学缺失值处理和合并，就水到渠成了。