Pandas 入门：把 Excel 装进"超级表格"——财务人的数据处理神器

如果说 Python 是一把瑞士军刀，那么 Pandas 就是其中最锋利的那把刀——专门用来切割和处理表格数据。

对于每天和 Excel 打交道的财务人来说，Pandas 的价值可以用一句话概括：它能做 Excel 能做的所有事，还能做 Excel 做不到的事，而且速度快 100 倍。

一、 什么是 Pandas？为什么财务人必须掌握？

Pandas 是 Python 最核心的数据处理库，它的名字来源于 "Panel Data"（面板数据，计量经济学术语）。你不需要理解这个名字的含义，只需要知道：

• • DataFrame 是核心概念： 它就是一个超级增强版的 Excel 表格——有行、有列、有表头，但能装下百万行数据而不卡顿。
• • 开源免费： 不需要购买任何许可证。
• • 生态完善： 几乎所有数据分析相关的 Python 库都以 Pandas 为基础。

Pandas vs Excel 核心对比

二、 第一步：导入与读取数据

在使用 Pandas 之前，需要先导入它（通常简写为 pd）：

import pandas as pd

约定俗成： 全世界的 Python 数据分析师都用 pd 作为 Pandas 的别名，保持一致方便阅读别人的代码。

读取 Excel 文件

# 读取一个 Excel 文件
df = pd.read_excel("月度销售报表.xlsx")

# 查看前 5 行数据（快速了解数据长什么样）
print(df.head())

# 查看数据的基本信息
print(df.info())

# 查看数据的统计摘要
print(df.describe())

读取 CSV 文件

# CSV 是最通用的数据交换格式
df = pd.read_csv("导出数据.csv", encoding="utf-8")

编码问题提醒： 如果读取中文 CSV 时出现乱码，尝试 encoding="gbk" 或 encoding="utf-8-sig"。

三、 认识 DataFrame：你的"超级表格"

读取数据后，df 就是一个 DataFrame 对象。让我们来认识它的基本结构：

import pandas as pd

# 手动创建一个简单的 DataFrame（模拟一张费用报销表）
data = {
"姓名": ["张三", "李四", "王五", "赵六", "钱七"],
"部门": ["销售部", "研发部", "销售部", "市场部", "财务部"],
"费用类型": ["差旅费", "办公耗材", "差旅费", "招待费", "培训费"],
"金额": [3500, 1280, 4200, 2800, 1500],
"报销日期": ["2024-03-01", "2024-03-02", "2024-03-03", "2024-03-04", "2024-03-05"]
}

df = pd.DataFrame(data)
print(df)

输出结果：

   姓名   部门  费用类型    金额       报销日期
0  张三  销售部   差旅费   3500  2024-03-01
1  李四  研发部  办公耗材   1280  2024-03-02
2  王五  销售部   差旅费   4200  2024-03-03
3  赵六  市场部   招待费   2800  2024-03-04
4  钱七  财务部   培训费   1500  2024-03-05

注意左边的 0, 1, 2... —— 这是 Pandas 自动生成的索引（Index），类似于 Excel 的行号。

四、 核心操作：财务人每天都会用到的功能

1. 选择数据（类似 Excel 的筛选）

# 选择单列（返回 Series）
names = df["姓名"]
print(names)

# 选择多列（返回 DataFrame）
subset = df[["姓名", "部门", "金额"]]
print(subset)

# 按条件筛选：找出金额大于 3000 的记录
high_expense = df[df["金额"] > 3000]
print(high_expense)

# 多条件筛选：销售部的差旅费
result = df[(df["部门"] == "销售部") & (df["费用类型"] == "差旅费")]
print(result)

2. 新增/修改列

# 新增一列：税额（假设税率 10%）
df["税额"] = df["金额"] * 0.10

# 新增一列：含税总额
df["含税总额"] = df["金额"] + df["税额"]

# 修改某一行的值
df.loc[0, "金额"] = 3600# 把张三的金额改为 3600

print(df)

3. 排序

# 按金额从大到小排序
sorted_df = df.sort_values("金额", ascending=False)
print(sorted_df)

# 先按部门排，再按金额排
sorted_df2 = df.sort_values(["部门", "金额"], ascending=[True, False])

4. 基本统计

# 快速统计
print(f"总金额: {df['金额'].sum():,.0f} 元")
print(f"平均金额: {df['金额'].mean():,.0f} 元")
print(f"最大金额: {df['金额'].max():,.0f} 元")
print(f"最小金额: {df['金额'].min():,.0f} 元")
print(f"总记录数: {len(df)} 条")

# 按部门统计金额
dept_total = df.groupby("部门")["金额"].sum()
print("\n=== 各部门费用汇总 ===")
print(dept_total)

五、 导出数据：保存你的处理结果

处理完数据后，你需要把结果保存下来：

# 导出到 Excel
df.to_excel("处理后_费用报表.xlsx", index=False)

# 导出到 CSV
df.to_csv("处理后_费用报表.csv", index=False, encoding="utf-8-sig")

# 参数说明：
# index=False → 不保存索引列（否则会多出一列 0,1,2...）
# encoding="utf-8-sig" → 用 Excel 打开 CSV 时不会乱码

六、 一个完整的实战案例：月度费用分析

下面是一个完整的、可以直接运行的脚本：

import pandas as pd

# ========== 1. 读取数据 ==========
data = {
"日期": ["2024-03-01", "2024-03-02", "2024-03-03", "2024-03-04",
"2024-03-05", "2024-03-08", "2024-03-09", "2024-03-10"],
"部门": ["销售部", "研发部", "销售部", "市场部",
"财务部", "销售部", "研发部", "市场部"],
"费用类型": ["差旅费", "办公耗材", "差旅费", "招待费",
"培训费", "招待费", "设备采购", "广告费"],
"金额": [3500, 1280, 4200, 2800, 1500, 3200, 8900, 5000],
"经手人": ["张三", "李四", "王五", "赵六", "钱七", "张三", "李四", "王五"]
}

df = pd.DataFrame(data)

# ========== 2. 基础分析 ==========
print("=" * 50)
print("📊 3月份费用分析报告")
print("=" * 50)

print(f"\n📌 总费用: {df['金额'].sum():,.0f} 元")
print(f"📌 平均每笔: {df['金额'].mean():,.0f} 元")
print(f"📌 最大单笔: {df['金额'].max():,.0f} 元 ({df[df['金额'] == df['金额'].max']]['经手人'].values[0]})")
print(f"📌 总笔数: {len(df)} 笔")

# ========== 3. 各部门费用排名 ==========
print("\n📋 各部门费用排名:")
dept_ranking = df.groupby("部门")["金额"].sum().sort_values(ascending=False)
for dept, amount in dept_ranking.items():
    print(f"   {dept}: {amount:,.0f} 元")

# ========== 4. 各费用类型占比 ==========
print("\n📊 费用类型分布:")
type_summary = df.groupby("费用类型")["金额"].sum()
for exp_type, amount in type_summary.items():
    pct = amount / df["金额"].sum() * 100
    bar = "█" * int(pct / 5)  # 简单的柱状图
    print(f"   {exp_type}: {amount:>8,.0f} 元 ({pct:5.1f}%) {bar}")

# ========== 5. 保存分析结果 ==========
summary = pd.DataFrame({
    "指标": ["总费用", "平均每笔", "最大单笔", "总笔数"],
    "数值": [df["金额"].sum(), df["金额"].mean(), df["金额"].max(), len(df)]
})
summary.to_excel("3月费用分析摘要.xlsx", index=False)
print("\n✅ 分析报告已保存至: 3月费用分析摘要.xlsx")

七、 避坑指南：Pandas 新手的 5 个常见错误

1. SettingWithCopyWarning 警告

# ❌ 可能触发警告的写法
df[df["金额"] > 3000]["状态"] = "高额"

# ✅ 正确写法：使用 .loc
df.loc[df["金额"] > 3000, "状态"] = "高额"

2. 链式索引（Chained Indexing）

# ❌ 不推荐：链式索引
result = df["部门"]["销售部"]

# ✅ 推荐：使用 .loc
result = df.loc[:, "部门"]

3. 忘记 inplace=True

# 这行代码不会修改原始 df！
df.sort_values("金额")  # 返回新对象，原 df 不变

# 需要这样写：
df = df.sort_values("金额")  # 重新赋值
# 或者
df.sort_values("金额", inplace=True)  # 原地修改

4. 读取文件时路径错误

# ❌ Windows 路径中的反斜杠可能被转义
df = read_excel("C:\data\报表.xlsx")  # \t 可能被解释为制表符

# ✅ 使用原始字符串或正斜杠
df = read_excel(r"C:\data\报表.xlsx")  # 加 r 前缀
df = read_excel("C:/data/报表.xlsx")    # 使用正斜杠

5. 数据类型不匹配

# 读取后检查数据类型
print(df.dtypes)

# 如果"金额"列被读成了字符串（object），需要转换
df["金额"] = pd.to_numeric(df["金额"], errors="coerce")

八、 总结

Pandas 是财务人学习 Python 的绝对核心。今天我们掌握了：

记住这个学习原则：不需要背诵所有函数。 当你需要某个功能时，搜索 "pandas + 你的需求"，99% 的问题都有现成答案。

下一篇文章，我们将深入 数据清洗——这是财务数据处理中最耗时但也最有价值的环节。