Python 数据分析新手必备：这 5 个 Pandas 技巧让报表效率翻倍

import pandas as pd

# 自动处理编码问题
df = pd.read_csv('data.csv', encoding='utf-8')

# 跳过前 3 行（很多 Excel 导出文件有标题行）
df = pd.read_csv('data.csv', skiprows=3)

# 指定某些列为日期格式，省得后面再转
df = pd.read_csv('data.csv', parse_dates=['date'])

# 删掉所有含空值的行
df.dropna()

# 只删掉某几列有空值的行
df.dropna(subset=['销售额', '地区'])

# 把空值填充为 0（适合数值列）
df['销售额'] = df['销售额'].fillna(0)

# 按组填充（每个地区用自己的平均值填充）
df['销售额'] = df.groupby('地区')['销售额'].transform(
    lambda x: x.fillna(x.mean())
)

# 传统写法：分组后一个个算
df_grouped = df.groupby('地区')['销售额'].sum()
df_count = df.groupby('地区')['销售额'].count()

# 一行搞定：同时算多个指标
result = df.groupby('地区')['销售额'].agg([
    ('总销售额', 'sum'),
    ('订单数', 'count'),
    ('平均订单', 'mean'),
    ('最高单笔', 'max'),
    ('最低单笔', 'min')
])

# 按地区和月份透视销售额
pivot = pd.pivot_table(
    df,
    values='销售额',
    index='地区',
    columns='月份',
    aggfunc='sum',
    fill_value=0
)

# 基础导出
df.to_excel('report.xlsx', index=False)

# 高级导出：指定 sheet 名、样式
with pd.ExcelWriter('report.xlsx', engine='openpyxl') as writer:
    pivot.to_excel(writer, sheet_name='区域分析')
    detail.to_excel(writer, sheet_name='明细数据', index=False)

    # 设置列宽
    worksheet = writer.sheets['区域分析']
    worksheet.column_dimensions['A'].width = 12
    for col in range(2, 8):
        worksheet.column_dimensions[chr(64 + col)].width = 10

import pandas as pd

# 1. 读数据
df = pd.read_csv('sales.csv', parse_dates=['date'])

# 2. 清洗
df = df.dropna(subset=['销售额'])
df['月份'] = df['date'].dt.month

# 3. 分组统计
summary = df.groupby('地区')['销售额'].agg([
    ('总销售额', 'sum'),
    ('订单数', 'count'),
    ('平均订单', 'mean')
]).round(2)

# 4. 透视表
pivot = pd.pivot_table(
    df, values='销售额',
    index='地区', columns='月份',
    aggfunc='sum', fill_value=0
)

# 5. 导出
with pd.ExcelWriter('月度报表.xlsx') as writer:
    summary.to_excel(writer, sheet_name='汇总')
    pivot.to_excel(writer, sheet_name='月度趋势')