Python学习笔记·第25天：Pandas高级技巧——用最通俗的话讲懂重采样、多索引和数据合并

一、重采样

一句话理解：把数据的时间粒度变粗。

你有一份每天的交易记录，老板问你：“每周总共卖了多少钱？”

你就用重采样，把每天的数据自动汇总成每周的。

# 每7天营业总额df.resample('7D',on='日期').sum()['交易额']

比喻：就像你记账，本来是每天记一笔，月底想看每周花了多少钱，就把7天的账加在一起看。重采样就是帮你自动做这件事。

常用频率：

• '7D'→ 每7天
• 'M'→ 每月
• 'W'→ 每周
• 'H'→ 每小时

二、多索引

一句话理解：给表格加多层标签，定位更精准。

# 按姓名和柜台分组df.groupby(by=['姓名','柜台']).sum()# 查看周七在化妆品柜台的交易数据df.loc[('周七','化妆品')]

比喻：就像快递地址，有省、市、区三级。你要找一个包裹，不是用“湖南省”一个标签，而是用“湖南省-长沙市-开福区”三个标签一起定位。多索引就是给数据加多级标签，想查多细就多细。

三、标准差

一句话理解：看数据“稳不稳定”。

df.std()# 标准差df.std()**2# 方差

比喻：两个员工这个月的销售业绩：

张三的标准差小，说明他每天表现稳定。李四的标准差大，说明他今天可能卖2000，明天只卖200，发挥不稳定。

一句话：标准差越小，数据越稳定；标准差越大，数据越像过山车。

四、协方差

一句话理解：看两组数据是“同穿一条裤子”还是“你进我退”。

df.cov()# 协方差矩阵

比喻：两个人一起散步：

• 协方差为正：你往前走，我也往前走（步调一致，正相关）
• 协方差为负：你往前走，我往后退（一个赚一个赔，负相关）
• 协方差为零：你走你的，我走我的（互相独立，没啥关系）

股市里理解：买了两只股票。协方差为正，说明它俩同涨同跌；协方差为负，说明一只涨的时候另一只跌，正好对冲风险。

五、dt接口和str接口

一句话理解：Pandas内置的“瑞士军刀”。

# dt接口：处理日期pd.to_datetime(df['日期']).dt.weekday_name# 自动转成“周一、周二...”pd.to_datetime(df['日期']).dt.quarter# 自动转成“第1季度、第2季度...”# str接口：处理文字df['日期'].str.extract(r'(\d{4}-\d{2})')# 从日期里提取“2026-06”df['日期'].str.endswith('6')# 判断日期是不是以6结尾

比喻：就像Excel里的“文本处理”和“日期处理”菜单。你要提取年月日、判断是否包含某个字符，不需要写for循环，直接用这些接口一行搞定。

六、数据合并

一句话理解：把多个表格拼在一起。

按行拼接（加长）：

pd.concat([表1,表2,表3])

比喻：你有1月、2月、3月的销售表，结构一模一样。用concat把三张表上下堆叠，变成一张更长的总表。

按列关联（加宽）：

pd.merge(员工表,工资表,on='工号')

比喻：你有一张“员工信息表”（工号、姓名、部门）和一张“工资表”（工号、基本工资、绩效）。两张表都有“工号”这一列，用merge按工号关联，变成一张既有员工信息又有工资的大表。

今日核心总结（一张表记住）

注:已经使用DeepSeek进行整理精简核心内容，些许不理解的配合个人笔记进行理解。