标签
内容简介
《Python数据科学速查表 - Pandas 基础》是一份由数据科学在线教育平台 DataCamp 制作、国内技术社区译者（网名“呆鸟”）译为中文的单页速查表（cheat sheet），并非正式出版图书，没有 ISBN 与出版社，通常在 GitHub、技术博客与公众号中以 PDF 形式免费流传。它的定位是“贴在显示器旁”的查询卡，而不是从头讲到尾的教材。 内容围绕 Pandas 入门最常用的操作组织成若干分区：如何从列表、字典、NumPy 数组等创建 Series 与 DataFrame；如何读取与写出 CSV、Excel 等常见格式的数据；如何查看数据概况（head、tail、shape、info、describe 等）；如何按列名、标签、位置选择和筛选数据（loc、iloc、布尔索引）；如何处理缺失值与重复值；如何排序、重命名、增删列；如何做基础的分组聚合（groupby）与简单统计；以及若干常用的字符串与时间序列处理小技巧。每个分区以“函数签名 + 一行示例”的形式呈现，便于在写代码时快速对照。 由于它是一张高密度信息图，优点是查阅效率高、术语与官方文档对得上，缺点是缺少原理讲解与完整案例，且随 Pandas 版本迭代，个别函数签名可能已过时。合理的用法是：先通过系统教程建立概念框架，再把它当作随手的函数词典；或先按它跑通一遍示例，再回到官方文档查看详细参数。
编辑推荐
这份速查表最大的价值在于“减少查找成本”。Pandas 的方法名多、参数多，很多人写代码时真正卡住的不是思路，而是“这个操作到底该用哪个函数、参数怎么写”。一张排版紧凑的中文速查表恰好填上了这个缝隙：创建数据结构、读写文件、选取与筛选、处理缺失值、分组聚合，这些高频操作都在同一张图上，扫一眼就能对上号。 对自学者来说，它还有一个不太被提到的好处：它相当于一份“最小知识地图”。你可以把它当成自查清单——每一格里的操作，如果你都能不查资料写出来，说明入门部分已经过关；写不出来的格子，就是接下来要补的短板。相比漫无目的地刷教程，这种“以表为纲”的复习方式效率更高。 需要提醒的是，它是官方文档的“索引页”而非“替代品”。Pandas 的 API 迭代很快，速查表上的签名未必与当前版本一致；遇到参数报错，仍应以官方文档为准。另外，中文译名与英文原词并存，初学时建议同时记住英文函数名，避免日后阅读英文资料时对不上。
适合谁读
适合
- 已具备 Python 基础语法，正准备系统学习 Pandas 的自学者
- 数据分析岗在职人员，需要一份随手可查的函数对照表
- 上过 Pandas 课程或读完教材，想快速复习核心操作的读者
- 需要向学生发放入门参考材料的教师与培训讲师
不适合
- 完全零编程基础、需要从变量与循环学起的读者
- 希望系统理解索引机制、内存布局等底层原理的进阶读者
- 需要完整案例与项目实战、而非函数清单的读者
阅读建议
- 先通读整张表建立操作地图，再逐个分区动手敲一遍示例，不要只看不写。
- 把不熟悉的函数标红，配合 Pandas 官方文档查阅完整参数说明，速查表只负责“指路”。
- 建议与一份系统教材或课程搭配使用，速查表放在旁边当词典，而不是当教材从头背。
- 使用时注意 Pandas 版本差异，遇到参数报错先查官方文档的最新签名。
常见问题
这份速查表是正式出版的图书吗？
不是。它源自 DataCamp 发布的 Pandas 基础 cheat sheet，由国内译者译为中文，以 PDF 形式在 GitHub 和技术社区免费流传，因此没有出版社、ISBN 和定价，字数与读者评分等数据也不适用。
只有一张表，内容够学 Pandas 吗？
不够。速查表按“函数 + 示例”组织，缺少原理解释和连贯案例，适合查阅与复习，不适合作为唯一学习材料。建议先通过教材或课程建立概念，再用它做日常查询与自测清单。
中文版和英文原版内容一样吗？
主体内容对应英文原版，中文版在术语翻译上做了本地化处理。由于翻译时间较早，个别函数的写法可能滞后于当前 Pandas 版本，遇到差异应以官方文档为准。
照着表上的代码运行报错怎么办？
先确认 Pandas 版本，部分旧写法在新版本中已废弃或参数改名。建议查官方文档中该函数的当前签名，或在社区搜索报错信息，不要直接断定是速查表内容有误。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
