企业官网建设流程全解析

写在前面

这篇不是教程，是工具书。

写脚本时最耗时的往往不是想逻辑，而是「这个操作叫什么来着」：删除列是drop还是del？取前几行是head还是iloc[:5]？重命名列是rename还是直接赋columns？每次卡在这儿，搜一次要两分钟。

所以我把常见操作整理成 60 条，按使用频率分类。建议收藏 + 用 Ctrl+F 搜方法名，别从头读。

先确认示例数据在手边：

importosimportmkdataifnotos.path.exists("data/sales.csv"):mkdata.main()print("示例数据就绪：",os.path.exists("data/sales.csv"))

这段会检查第 1 篇生成的data/目录在不在，不在就自动补一次；已经有数据时只会打印一行示例数据就绪： True，不影响后面的结果。

图 1：60 条方法按 8 类归位。查表时先定位类别，再在类别里找方法，比从头翻快得多。

一、读取与写出（8 条）

二、查看与探查（8 条）

三、选择与筛选（10 条）

四、清洗（12 条）

五、变形（10 条）

六、聚合与合并（8 条）

七、时间序列（4 条）

把最高频的 10 条跑一遍

光看表记不住，跑一遍才有印象。下面把「读 → 查 → 筛 → 补 → 分组 → 排序 → 导出」串成一条链：

importpandasaspd# 1 读df=pd.read_csv("data/sales.csv",encoding="utf-8-sig",usecols=["订单日期","城市","产品","数量","单价","金额"])# 2 查形状与缺失print("形状：",df.shape,"| 缺失：",int(df.isna().sum().sum()))# 3 按条件筛big=df[df["数量"].between(3,5)]print("数量 3-5 的行数：",len(big))# 4 补缺失（按公式重算，别填 0）df["金额"]=df["金额"].fillna((df["数量"]*df["单价"]).round(2))# 5 去重before=len(df)df=df.drop_duplicates()print("去重：",before,"->",len(df))# 6 分组聚合by_city=df.groupby("城市",dropna=False).agg(订单数=("金额","size"),销售额=("金额","sum")).round(2)print(by_city.sort_values("销售额",ascending=False).to_string())# 7 排序 + 取前 3print("---- 销售额 Top3 ----")print(by_city.sort_values("销售额",ascending=False).head(3).to_string())# 8 导出importos os.makedirs("output",exist_ok=True)by_city.reset_index().to_csv("output/quickref_city.csv",index=False,encoding="utf-8-sig")print("已导出 output/quickref_city.csv")

形状： (16, 6) | 缺失： 3 数量 3-5 的行数： 8 去重： 16 -> 13 订单数 销售额 城市 杭州 5 2805.1 北京 3 1425.9 上海 2 772.5 广州 2 535.4 NaN 1 149.7 ---- 销售额 Top3 ---- 订单数 销售额 城市 杭州 5 2805.1 北京 3 1425.9 上海 2 772.5 已导出 output/quickref_city.csv

importosimportnumpyasnpimportpandasaspd os.makedirs("output",exist_ok=True)df=pd.read_csv("data/sales.csv",encoding="utf-8-sig")# 9 条件新增列（比 apply 快）df["是否大单"]=np.where(df["金额"].fillna(0)>500,"大单","普通")# 10 交叉表 + 透视print("城市 × 产品 订单数：")print(pd.crosstab(df["城市"],df["产品"]).to_string())print("----")pivot=pd.pivot_table(df,index="城市",columns="产品",values="金额",aggfunc="sum",fill_value=0)print("透视表（前两列）：")print(pivot.iloc[:,:2].round(1).to_string())print("----")print("是否大单分布：")print(df["是否大单"].value_counts().to_string())

城市 × 产品 订单数： 产品 A-笔记本 B-鼠标 C-键盘 D-显示器 城市 上海 0 2 2 0 北京 1 0 1 1 广州 0 2 1 0 杭州 2 1 0 2 ---- 透视表（前两列）： 产品 A-笔记本 B-鼠标 城市 上海 0.0 299.0 北京 49.9 0.0 广州 0.0 179.4 杭州 349.3 59.8 ---- 是否大单分布： 是否大单 普通 13 大单 3

按问题找方法：10 个高频场景

表格按功能分类，但人找东西是按「我想干什么」。这 10 条是问得最多的：

参数速查：最容易忘的几个

常见问题

Q1：为什么df.groupby("城市")["金额"].sum()和df.groupby("城市").sum()["金额"]结果不一样？

前者只对金额求和；后者对所有数值列求和后再取金额列。如果表里还有「数量」「单价」，后者的中间结果会多算几列，慢且容易误用。先选列再聚合是更清晰的写法。

Q2：melt和pivot_table是什么关系？

互为逆操作：pivot_table把长表变宽表（内层索引变列），melt把宽表变长表（列名变一列值）。画图前通常要melt，做报表汇总通常要pivot_table。

Q3：速查表里的方法记不住怎么办？

不用记全。真正每天用的是 15 个左右：read_csv、head、info、isna、dropna、fillna、astype、groupby、agg、merge、sort_values、to_excel、loc、iloc、query。其余的查表就行——查表两分钟，背下来不值。

小结

这份速查表按「读取 → 查看 → 选择 → 清洗 → 变形 → 聚合 → 时间 → 导出」排，基本覆盖了日常 90% 的操作。建议用法：收藏，用的时候 Ctrl+F 搜关键词（比如搜「去重」「透视」），把常用的十几条练成肌肉记忆，剩下的交给搜索。

下一篇换个角度：如果去面试数据分析岗，这些方法会以什么形式被考？20 道高频题，从概念到手写。