简介面向数据分析岗位求职者和 Python 开发者这份 Pandas 面试题 PDF 系统整理了 60 道高频面试题按基础、中级、高级分层覆盖 Series 与 DataFrame 的创建读取、条件筛选、排序合并、缺失值处理、分组聚合、透视表、时间序列、SQL 交互及内存优化等核心主题并涉及 iterrows 遍历、MultiIndex 多级索引、cut/qcut 分箱、rolling 窗口计算、正则表达式、数据分块读取等进阶内容。每题均配有可运行的代码示例与简洁说明便于按需查阅和对照练习也能帮助读者系统回顾常见考点作为日常工作时的快速参考。资源为单个 PDF 文件压缩包约 263KB轻量便携内容组织清晰既可从头通读建立知识框架也可按题号快速定位薄弱环节。已有 1288 人学习使用是备战数据分析面试、提升 Pandas 应用水平的实用资料。1. Pandas面试题.pdf 在筛的不只是代码一道数据题能看出你会不会处理脏数据准备数据岗位面试的人手上多半都存过一份“Pandas面试题.pdf”。真正到了面试现场你会发现很多题目并不要求你写出惊艳算法而是给你一张“看起来有点脏”的表有空值、有重复行、有类型不一致的列然后问你几个操作能不能一次写对。别小看这种题它考察的是你对 Pandas 索引逻辑、缺失值语义和表连接的熟练度这些恰恰是平时用 ChatGPT 补答案最容易漏掉的部分。很多候选人刷题时喜欢过题面、背输出却很少注意每一步代码背后 Pandas 到底怎么对齐索引、怎么决定保留哪些行。真到写代码环节一执行就报错或者结果跟预想悄悄不一样。这份 PDF 真正筛选的是你能不能在脱离快捷键和文档的情况下把一个包含缺失值、重复值、乱序索引的 DataFrame 处理成结构规整的可用数据。适合读这篇文章的人是准备校招或社招数据类岗位、想快速掌握 Pandas 核心操作的从业者也适合那些已经有 Python 基础、却总在 merge 和 fillna 上翻车的人。下面我从面试题的常见分类讲起再给你一组“可以直接复制到本地跑”的练习数据最后把高频踩坑点和自测方法一次说清。2. Pandas面试题.pdf 的三类核心考点索引对齐、缺失值清洗、表连接Pandas 题目看起来五花八门但把大量真题汇总在一起看出题人反复在三个地方做文章索引与切片、缺失值和类型、分组聚合与表连接。这三类能力几乎覆盖了面试里 80% 的动手题。你与其逐题背答案不如先把这三个底层逻辑吃透。2.1 索引与切片会读代码和真会写代码的差别Pandas 的索引与普通列表索引完全不同这是面试最容易暴露问题的地方。列表的索引只有一种就是整数下标DataFrame 的索引却可能包含数值、字符串、时间戳甚至重复值。当你写df.loc[3]时Pandas 找的是索引标签为 3 的行而不是“第 4 行”而df.iloc[3]找的才是物理位置上的第 4 行。很多候选人在理解这一步时没有形成系统概念导致后续的切片、条件筛选、赋值全跟着错。我建议你刷题时先建立一个判断顺序先问自己操作对象是行还是列再问是按标签取还是按下标取最后再想返回的是视图还是副本。这本 PDF 中大量题目其实都在反复变着法子考这个判断顺序。索引对齐是更深一层的问题。两个 Series 做加法时Pandas 不关心谁在上谁在下它按照索引标签一一配对配对不上的位置就填 NaN。这个特性让 Pandas 在连接数据时很方便但也让很多从 Excel 转过来的人不习惯明明两个表行数一样加起来却多出一堆空值。面试题经常给两个结构相似的数据表问合并结果的行数和缺失值位置考的就是你对索引对齐的敏感度。import pandas as pd s1 pd.Series([100, 200, 300], index[a, b, c]) s2 pd.Series([10, 20, 30], index[b, c, d]) print(s1 s2)这段代码的输出里a 和 d 的对应位置都是 NaN因为两个 Series 只在 b、c 两个索引上有共同标签。理解了这个行为你再去读 PDF 里的表对齐题目就会轻松很多。索引对齐是 Pandas 最基本也最容易被忽略的行为建议你把它当成面试前必须自己动手验证的第一个实验。2.2 缺失值与类型清洗面试里最日常也最拉分的模块真实业务数据很难做到完全没有缺失值所以 Pandas 面试题中清洗类题目一定不会少。最常见的是isna()、dropna()、fillna()三个函数的组合使用。但很多人只知道“遇到空值就用 fillna”却不知道 Pandas 对 NaN 的语义判断、不同填充方式对后续统计结果的影响。要特别注意fillna(0)会把整个列统一填成 0但这在业务上并不总是合理的。数值列可以补中位数或均值分类列可能更适合补“未知”或“缺失”时间列则经常需要前向填充。面试官要听的不是你会不会调用 fillna而是你有没有“按列类型选择缺失值处理策略”的意识。刷题时看到一个缺失值题先别急着写代码先说你会补什么值、为什么用这个值然后再动手。类型问题往往和缺失值纠缠在一起。比如某列本身是整数但因为存在 NaNPandas 读取后会自动变成 float。如果你在面试中直接对这个列做字符串拼接或者等值判断结果会不符合预期。还有astype()的滥用也很常见有的题目要求把订单编号转成字符串但编号列如果有缺失值直接astype(str)会把 NaN 变成字符串nan这又是另一种隐患。我在实际项目里处理这类问题时的习惯是先跑一次df.info()和df.isna().sum()把每一列的类型和缺失数量列成一张表再决定清洗方案。面试现场没有这么多时间但你至少要内心形成一个判断链这一列做什么用、缺失值占比多少、能不能删、该填什么。把这个逻辑讲清楚比闷头写对代码更能让面试官认可。2.3 分组、聚合与表连接三题里至少出一道如果面试题只能选一个方向重点考察那大概率是分组聚合和表连接。因为这部分最贴近真实数据分析场景订单表按地区汇总、用户表关联消费记录、透视表做交叉统计。groupby、merge、concat 三个操作几乎是所有 Pandas 面试题的高频题眼。groupby 常见的坑是看不懂返回对象到底是什么。df.groupby(city)返回的不是一个 DataFrame而是一个 GroupBy 对象你必须接着调用agg()、sum()、transform()等方法才能得到结果。不同聚合方法返回的结构也不一样agg()通常得到以分组列为索引的 DataFrametransform()则保留原始行数。很多题目会让你比较这两者的输出形状这其实是考察你对“行数变化”的理解。表连接的难点在于连接键的选择和连接方式。merge()按列的值匹配适合有明确外键关系的表concat()更偏向按轴拼接行数直接堆叠或者列横向扩展。面试题里常考两个细节一是merge()中left_on和right_on的使用场景二是连接时索引的索引是否作为连接键参与匹配。把这两点梳理清楚基本就能应对大多数表连接题目。# groupby 与 merge 的典型组合场景 result df.groupby(city, as_indexFalse)[amount].sum() print(result)这里的as_indexFalse可以让分组列保留为普通数据列而不是变成索引。很多考生不知道这个参数导致结果出来后要额外reset_index()才能继续用。面试时如果能把这一步讲明白说明你不是单纯背代码而是真的理解 groupby 的输出结构。3. 把 Pandas面试题.pdf 刷成肌肉记忆本地可复制的数据样例与核心操作组光看知识点不够必须亲手跑。我为你准备了一份非常接近面试真题的数据样例你不需要联网也不需要找额外数据文件直接在本地新建一个 Python 文件粘贴运行就可以。这份样例包含两个表一张是订单表一张是客户表结构简单但把高频考点都埋进去了。3.1 先造一份能“踩坑”的模拟数据数据里故意安排了缺失订单金额、缺失客户编号、重复订单记录、不同列类型等面试官最喜欢设置的障碍。你要是能把这组数据处理得干净利落面试中遇到的类似题就都不怕了。import pandas as pd import numpy as np # 第一张表订单表注意里面有重复订单和缺失值 orders pd.DataFrame({ order_id: [A001, A002, A002, A003, A004, A005], customer_id: [C01, C02, C02, C01, C03, np.nan], amount: [120, 85, 65, np.nan, 45, 90], category: [数码, 食品, 食品, 服装, np.nan, 图书] }) # 第二张表客户表关联订单表用 customers pd.DataFrame({ customer_id: [C01, C02, C03, C04], city: [上海, 北京, 广州, 深圳], level: [老客, 新客, 老客, 新客] }) print(orders) print(customers)订单表里有订单号重复、金额缺失、分类缺失、客户编号缺失四类问题。客户表结构相对规整但多了订单表里没有的 C04 客户。两张表放在一起覆盖了缺失值判断、去重、类型转换、表连接时 on 字段不一致等常见考点。你在练习时不要只是复制运行建议先自己看一眼这两张表心里回答三个问题哪个列适合做主键、哪几行需要清洗、两表连接后哪些客户会被丢掉。带着这三个问题往下走练习效率会高很多。3.2 筛选、去重、缺失值清洗高频基础操作的完整连招基础操作在面试里通常不会单独出题而是作为后续统计的前置步骤出现。这里我把最常用的筛选、去重、缺失值处理写在一个代码块里每一行都标了注释方便你对照理解。# 第一步查看缺失值分布这是清洗前的标准动作 print(orders.isna().sum()) # 第二步按订单号去重保留第一条记录 orders_clean orders.drop_duplicates(subset[order_id], keepfirst) # 第三步金额缺失的订单用整张表金额的中位数填充 median_amount orders_clean[amount].median() orders_clean.loc[orders_clean[amount].isna(), amount] median_amount # 第四步分类缺失的订单统一填“未知” orders_clean[category] orders_clean[category].fillna(未知) # 第五步客户编号缺失且无法补全的行直接删除 orders_clean orders_clean.dropna(subset[customer_id]) # 最后确认类型 print(orders_clean.info())第一步先用isna().sum()确认每一列缺多少个不是为了好看而是让你在填充前知道数据现状。第二步去重时我指定了subset只按订单号判断keepfirst表示保留第一条如果不写 subsetPandas 会要求整行所有列都重复才算重复行这在实战中往往会漏掉同一个人多次下单的重复数据。第三步给金额列填中位数要注意这里的小细节先用.median()算好值再传入而不是在 fillna 里直接写orders_clean[amount].median()因为后者可读性差一些而且金额列此时的类型可能已经因为缺失值变成了 float填充后全部变成小数这在某些统计场景下需要额外处理。第四步和第五步分别用了 fillna 和 dropna一个补分类一个删掉无法补齐的客户编号这也对应了前面讲的“按列特征选择不同清洗策略”的思路。3.3 分组聚合与表连接从数据到答案的完整闭环基础清洗做完接下来就是把两张表关联起来做面试里最常考的统计分析。这里给出几种最常见的操作写法每一种都有对应的输出结构建议自己打印出来看一眼。# 表连接订单表关联客户表保留订单表全部数据 merged orders_clean.merge(customers, oncustomer_id, howleft) print(merged) # 按城市汇总订单金额 city_summary merged.groupby(city, as_indexFalse)[amount].sum() print(city_summary) # 按城市和客户等级交叉统计分组键不只一个 level_summary merged.groupby([city, level], as_indexFalse)[amount].agg([sum, count]) print(level_summary)第一次连接时howleft表示以订单表为主表客户表中匹配不到城市信息的订单会显示 NaN这一行不会因连接而减少。按城市汇总时如果城市里有 NaNgroupby 分组后也会出现一行 NaN 分组要不要把它过滤掉取决于面试题的具体要求。最后交叉统计结果是一个多级索引的 DataFrame行索引是城市和等级的组合。如果你不希望后续继续操作这个结果时被索引干扰可以继续调用reset_index()把索引转回普通列。这里提醒一句分组聚合题目最怕的不是不会写 groupby而是不知道返回结果的索引结构因为后续任何操作都依赖这个索引状态。你练习时尽量把“写完分组后自动打印一下结果结构”变成肌肉记忆。4. Pandas 刷题常见坑五个高频翻车点在面试前必须自查刷 Pandas 面试题时最难受的不是不会做而是代码没报错、结果却不对。这类问题往往是几个特定操作导致的系统性错误我把它们放在一起做一个避坑清单每一条都按“现象、原因、解决”整理方便你面试前快速自查。4.1 链式赋值后数据没改还弹出一长串警告很多人在条件筛选后直接对结果赋值比如先取出所有订单金额大于 100 的记录再对这一堆记录加一列备注。运行时 Pandas 弹出 SettingWithCopyWarning而且原表里根本没有出现改动。这个现象很常见原因是筛选操作可能返回的是一个视图或副本赋值操作作用在临时对象上没有真正写回原 DataFrame。解决方法是放弃“筛选后再赋值”的二段式写法直接用loc一步到位。# 错误示范先筛选后赋值可能不生效 # temp orders[orders[amount] 100] # temp[flag] high # 正确做法直接定位到目标行 orders.loc[orders[amount] 100, flag] highloc的第一个参数是行筛选条件第二个参数是列名这样 Pandas 能准确定位到原 DataFrame 的存储位置而不是对临时对象操作。面试时如果把这一步讲清楚会显得你对 Pandas 内部引用机制有真实理解。4.2 concat 拼接后索引全乱了重复值莫名其妙变多concat 和 merge 经常被混用但两者的行为差异很大。concat 默认不重置索引它只是把数据沿某个轴拼接起来原来的索引会原样保留。两个都有 0、1、2 索引的表拼接后新表也会有多个 0、1、2这会让后续loc取值时匹配到多行结果和预期不一样。原因是你没有指定拼接后如何处理索引。解决方式是拼接时加上ignore_indexTrue让 Pandas 重新生成一套连续索引或者在拼接后手动调用reset_index(dropTrue)。如果是按列拼接两个结构不同的表还要注意axis1的使用避免把两张表错误地上下堆叠。combined pd.concat([orders_clean, customer_data], axis0, ignore_indexTrue)实际刷题时看到题干里写“将两个表纵向合并”第一反应就应该是concat而不是merge看到“按某一列关联拼接”再用merge。把这两个操作的使用边界分清楚能省下很多排查时间。4.3 fillna 之后数值列偷偷变成了小数连等值判断都失效订单金额列里如果原本存在 NaN即使你后来用 fillna 填掉这一列的 dtype 仍然是 float64不是整数。有些题目会继续用amount 65做过滤明明表中有一条 65 元记录筛选结果却是空的这很容易让人误以为自己写错了条件。原因是缺失值迫使 Pandas 在读取或构造数据时选择 float 类型因为整数类型无法表示 NaN。解决方法是如果你确实需要整数列可以先把缺失值填掉再显式用astype转换或者使用 Pandas 提供的可空整数类型 Int64它能同时容纳整数和缺失值。orders_clean[amount] orders_clean[amount].astype(Int64)这里特别提醒astype(int)在列中还有 NaN 时会直接报错必须先填充再转换astype(Int64)则允许保留缺失值是处理“有空值的整数列”更实用的选择。这个细节在面试题中很常见值得记牢。4.4 apply 函数拿到的是行、列还是元素经常被搞反apply 是让很多人头疼的操作问题往往出在函数签名与 axis 参数的配合上。axis0时传入函数的是一整列数据axis1时传入函数的是一整行 Series。有人写了个接收两个参数的函数却把 axis 设为 0运行时直接包类型错误还有人写 lambda 表达式按列名取值却把 axis 设为 0结果拿到的是某一列的全部数据而不是一行记录。解决方式是先写好函数再用一小段测试数据确认函数接收对象的形状。我常用的写法是让函数内部打印参数类型跑一遍就知道传进来的是 Series 还是 DataFrame。def calc(row): # 这里 row 是整行 Series可以通过列名取字段 return row[amount] * 0.9 if pd.notna(row[amount]) else 0 orders_clean[discounted] orders_clean.apply(calc, axis1)使用axis1时自定义函数接收的是每一行数据所以函数里的row[amount]是取当前这一行的字段。如果面试题里让你“对每一行做某种计算”优先用这种写法如果题目是“对每一列做统计”再把 axis 换成 0。4.5 groupby 之后感觉像“失踪”的列以及找不到 reset_index 的尴尬groupby 默认会把分组的键列变成结果表的索引如果分组键只有一列你在结果表里可能看不到明确列出的分组名只能用result.index才能访问。很多人急着取数据却不知道结果表结构导致后续合并或导入时报错。要解决这个问题最简单的办法是写分组时就用as_indexFalse或者主动调用reset_index()。需要留意 reset_index 对多级索引的处理分组键若不止一个reset_index 后会产生多个普通列其中某些列名与原有数据列重叠这时最好手动调整列名。summary orders_clean.groupby([city, category], as_indexFalse)[amount].sum()用as_indexFalse后分组键列直接保留为普通列结果更直观。面试现场如果时间紧张不用纠结哪种方式更优雅能输出正确结构即可但你要能说清楚as_index到底控制的是什么这个细节经常被追问。5. 把 Pandas面试题.pdf 刷成面试现场一套可自我演练的三步自测法题目刷够不等于面试能过因为面试现场不让慢慢查文档也不让反复试错。你需要一套自测方法提前感受“即将答题”的状态并且能通过结构化的方式发现自己的知识盲点。这里分享我常用的三步自测法很适合拿任何一份 Pandas 面试题 PDF 来练习。5.1 先扫盲还是先刷题按时间和目标选路线很多人拿到一份 PDF 后问“要不要先把每个知识点学一遍再做题”我的建议取决于你离面试还有多久。如果还有半个月以上功利性弱一点先把索引、分组、连接三大模块理解到位再开始刷题如果只有两三天直接做题但不要追求刷完所有题只做中等难度的动手题每题保证能写出可运行代码和口水话解释。刷题时一定要为自己准备一个“错题本”不用记题目原文只记三样东西题目的考点、你写的报错代码、正确写法的关键步骤。这个错题本复习效果远好于反复重看整份 PDF。把时间花在真正容易错的地方比盲目多刷十道题更有效。5.2 一题三练把一道基础题练出三种深度我的习惯是拿到一道题不要做一遍就完而是同一道题换三种方式练习。第一遍直接写答案跑通第二遍故意不看参考代码自己写一遍同时边写边说每一步在做什么第三遍改题目条件比如把要求从“按城市汇总”改成“按城市和月份汇总”看你能不能比较顺畅地调整代码。这套方法的逻辑很简单第一遍解决“会不会”的问题第二遍解决“熟不熟”的问题第三遍解决“能不能迁移”的问题。面试时面试官经常会临时加需求比如“能不能再按客户等级细分一下”“这个金额能不能换成占比”如果你只做过原题加需求后容易卡壳。# 第三遍练习示例给之前的汇总加一个“金额占比”字段 city_summary merged.groupby(city, as_indexFalse)[amount].sum() city_summary[amount_ratio] city_summary[amount] / city_summary[amount].sum() print(city_summary)这一步测试的是你能否在已有聚合结果之上继续做二次计算。很多人做到这里会想到用 transform 或 merge 回原表但在这个场景下直接在汇总表上算占比就够用了。学会判断“什么时候需要回原表、什么时候直接算结果”是面试加分的体现。5.3 构建“考点、真题、验证方法”对照表自我检测的实用工具刷题到后期不建议再按 PDF 原顺序刷而应该按考点自测。下面这张对照表可以帮你把做过的题目按考点归类每一类用一段最小代码验证掌握程度。考点如何自测验证方法索引与切片不看文档写出 loc 和 iloc 的行列取值打印结果行数与预期一致缺失值处理对带 NaN 的列分别用 fillna 和 dropna用 isna().sum() 对比处理前后分组聚合用 groupby 汇总城市金额检查结果表的索引与行数表连接用 merge 关联订单表和客户表检查连接后行数是否等于主表行数类型转换把含 NaN 的整数列转为 Int64用 dtype 属性确认类型这个表不要求你给每个考点挤出很高深的题目关键是“验证方法”那一列要可执行。如果自测时发现某个考点没有明确验证手段说明你还没完全理解这个知识点需要回看对应章节或找同类题目再练练。6. 面试最后十分钟当面演示 groupby transform 的思考逻辑面试末尾经常有一个“开放题”环节面试官会给一个稍复杂的场景比如算每个分类的订单金额平均值同时保留每一行的原始金额然后判断每一行高于还是低于其所在分类的平均值。这类题听起来像难题其实核心就是 groupby 加 transform 的组合使用。很多人写这种题第一时间想的是先 groupby 出一个汇总表再用 merge 把结果匹配回原表。这个思路没错但代码更长而且调试时容易因为连接后索引变化而出错。更直接的方式是用 transform它会返回一个跟原表行数一致的 Series不需要二次连接就能拿到每行所属分组的统计值。# 计算每个订单金额与其所在分类平均值的差值 category_mean orders_clean.groupby(category)[amount].transform(mean) orders_clean[diff] orders_clean[amount] - category_mean print(orders_clean[[order_id, category, amount, diff]])transform 的关键特点是结果长度与原 DataFrame 完全相同即使没有显式指定索引Pandas 也会自动对齐到每一行。这与agg不同agg返回的是以分组列为索引的压缩结果。面试时你不需要背概念把这段代码写出来并解释 transform 为什么节省了一次 merge面试官就能看出你对分组操作的掌握程度。这个写法在真实项目中也非常实用。比如统计每个城市销售额、每个用户最近一次消费时间、每个商品类目的价格中位数都需要把分组统计结果完整保留在明细表上。只要你能理解“transform 按行广播”这一点以后遇到这类需求都可以直接上手。我自己的习惯是平时刷题多留意那些“代码短但思考路径长”的写法比如 loc、merge、transform 这三类。每次做完题刻意问自己一个问题如果不用这个函数还有没有其他方式能达到同样效果能把两种完全不同的写法讲清楚就不会再在面试现场被追问细节时慌神了。这里把我积累的这套练习思路整理出来希望可以帮到正在准备 Pandas 面试的你。本文还有配套的精品资源点击获取
简介面向数据分析岗位求职者和 Python 开发者这份 Pandas 面试题 PDF 系统整理了 60 道高频面试题按基础、中级、高级分层覆盖 Series 与 DataFrame 的创建读取、条件筛选、排序合并、缺失值处理、分组聚合、透视表、时间序列、SQL 交互及内存优化等核心主题并涉及 iterrows 遍历、MultiIndex 多级索引、cut/qcut 分箱、rolling 窗口计算、正则表达式、数据分块读取等进阶内容。每题均配有可运行的代码示例与简洁说明便于按需查阅和对照练习也能帮助读者系统回顾常见考点作为日常工作时的快速参考。资源为单个 PDF 文件压缩包约 263KB轻量便携内容组织清晰既可从头通读建立知识框架也可按题号快速定位薄弱环节。已有 1288 人学习使用是备战数据分析面试、提升 Pandas 应用水平的实用资料。1. Pandas面试题.pdf 在筛的不只是代码一道数据题能看出你会不会处理脏数据准备数据岗位面试的人手上多半都存过一份“Pandas面试题.pdf”。真正到了面试现场你会发现很多题目并不要求你写出惊艳算法而是给你一张“看起来有点脏”的表有空值、有重复行、有类型不一致的列然后问你几个操作能不能一次写对。别小看这种题它考察的是你对 Pandas 索引逻辑、缺失值语义和表连接的熟练度这些恰恰是平时用 ChatGPT 补答案最容易漏掉的部分。很多候选人刷题时喜欢过题面、背输出却很少注意每一步代码背后 Pandas 到底怎么对齐索引、怎么决定保留哪些行。真到写代码环节一执行就报错或者结果跟预想悄悄不一样。这份 PDF 真正筛选的是你能不能在脱离快捷键和文档的情况下把一个包含缺失值、重复值、乱序索引的 DataFrame 处理成结构规整的可用数据。适合读这篇文章的人是准备校招或社招数据类岗位、想快速掌握 Pandas 核心操作的从业者也适合那些已经有 Python 基础、却总在 merge 和 fillna 上翻车的人。下面我从面试题的常见分类讲起再给你一组“可以直接复制到本地跑”的练习数据最后把高频踩坑点和自测方法一次说清。2. Pandas面试题.pdf 的三类核心考点索引对齐、缺失值清洗、表连接Pandas 题目看起来五花八门但把大量真题汇总在一起看出题人反复在三个地方做文章索引与切片、缺失值和类型、分组聚合与表连接。这三类能力几乎覆盖了面试里 80% 的动手题。你与其逐题背答案不如先把这三个底层逻辑吃透。2.1 索引与切片会读代码和真会写代码的差别Pandas 的索引与普通列表索引完全不同这是面试最容易暴露问题的地方。列表的索引只有一种就是整数下标DataFrame 的索引却可能包含数值、字符串、时间戳甚至重复值。当你写df.loc[3]时Pandas 找的是索引标签为 3 的行而不是“第 4 行”而df.iloc[3]找的才是物理位置上的第 4 行。很多候选人在理解这一步时没有形成系统概念导致后续的切片、条件筛选、赋值全跟着错。我建议你刷题时先建立一个判断顺序先问自己操作对象是行还是列再问是按标签取还是按下标取最后再想返回的是视图还是副本。这本 PDF 中大量题目其实都在反复变着法子考这个判断顺序。索引对齐是更深一层的问题。两个 Series 做加法时Pandas 不关心谁在上谁在下它按照索引标签一一配对配对不上的位置就填 NaN。这个特性让 Pandas 在连接数据时很方便但也让很多从 Excel 转过来的人不习惯明明两个表行数一样加起来却多出一堆空值。面试题经常给两个结构相似的数据表问合并结果的行数和缺失值位置考的就是你对索引对齐的敏感度。import pandas as pd s1 pd.Series([100, 200, 300], index[a, b, c]) s2 pd.Series([10, 20, 30], index[b, c, d]) print(s1 s2)这段代码的输出里a 和 d 的对应位置都是 NaN因为两个 Series 只在 b、c 两个索引上有共同标签。理解了这个行为你再去读 PDF 里的表对齐题目就会轻松很多。索引对齐是 Pandas 最基本也最容易被忽略的行为建议你把它当成面试前必须自己动手验证的第一个实验。2.2 缺失值与类型清洗面试里最日常也最拉分的模块真实业务数据很难做到完全没有缺失值所以 Pandas 面试题中清洗类题目一定不会少。最常见的是isna()、dropna()、fillna()三个函数的组合使用。但很多人只知道“遇到空值就用 fillna”却不知道 Pandas 对 NaN 的语义判断、不同填充方式对后续统计结果的影响。要特别注意fillna(0)会把整个列统一填成 0但这在业务上并不总是合理的。数值列可以补中位数或均值分类列可能更适合补“未知”或“缺失”时间列则经常需要前向填充。面试官要听的不是你会不会调用 fillna而是你有没有“按列类型选择缺失值处理策略”的意识。刷题时看到一个缺失值题先别急着写代码先说你会补什么值、为什么用这个值然后再动手。类型问题往往和缺失值纠缠在一起。比如某列本身是整数但因为存在 NaNPandas 读取后会自动变成 float。如果你在面试中直接对这个列做字符串拼接或者等值判断结果会不符合预期。还有astype()的滥用也很常见有的题目要求把订单编号转成字符串但编号列如果有缺失值直接astype(str)会把 NaN 变成字符串nan这又是另一种隐患。我在实际项目里处理这类问题时的习惯是先跑一次df.info()和df.isna().sum()把每一列的类型和缺失数量列成一张表再决定清洗方案。面试现场没有这么多时间但你至少要内心形成一个判断链这一列做什么用、缺失值占比多少、能不能删、该填什么。把这个逻辑讲清楚比闷头写对代码更能让面试官认可。2.3 分组、聚合与表连接三题里至少出一道如果面试题只能选一个方向重点考察那大概率是分组聚合和表连接。因为这部分最贴近真实数据分析场景订单表按地区汇总、用户表关联消费记录、透视表做交叉统计。groupby、merge、concat 三个操作几乎是所有 Pandas 面试题的高频题眼。groupby 常见的坑是看不懂返回对象到底是什么。df.groupby(city)返回的不是一个 DataFrame而是一个 GroupBy 对象你必须接着调用agg()、sum()、transform()等方法才能得到结果。不同聚合方法返回的结构也不一样agg()通常得到以分组列为索引的 DataFrametransform()则保留原始行数。很多题目会让你比较这两者的输出形状这其实是考察你对“行数变化”的理解。表连接的难点在于连接键的选择和连接方式。merge()按列的值匹配适合有明确外键关系的表concat()更偏向按轴拼接行数直接堆叠或者列横向扩展。面试题里常考两个细节一是merge()中left_on和right_on的使用场景二是连接时索引的索引是否作为连接键参与匹配。把这两点梳理清楚基本就能应对大多数表连接题目。# groupby 与 merge 的典型组合场景 result df.groupby(city, as_indexFalse)[amount].sum() print(result)这里的as_indexFalse可以让分组列保留为普通数据列而不是变成索引。很多考生不知道这个参数导致结果出来后要额外reset_index()才能继续用。面试时如果能把这一步讲明白说明你不是单纯背代码而是真的理解 groupby 的输出结构。3. 把 Pandas面试题.pdf 刷成肌肉记忆本地可复制的数据样例与核心操作组光看知识点不够必须亲手跑。我为你准备了一份非常接近面试真题的数据样例你不需要联网也不需要找额外数据文件直接在本地新建一个 Python 文件粘贴运行就可以。这份样例包含两个表一张是订单表一张是客户表结构简单但把高频考点都埋进去了。3.1 先造一份能“踩坑”的模拟数据数据里故意安排了缺失订单金额、缺失客户编号、重复订单记录、不同列类型等面试官最喜欢设置的障碍。你要是能把这组数据处理得干净利落面试中遇到的类似题就都不怕了。import pandas as pd import numpy as np # 第一张表订单表注意里面有重复订单和缺失值 orders pd.DataFrame({ order_id: [A001, A002, A002, A003, A004, A005], customer_id: [C01, C02, C02, C01, C03, np.nan], amount: [120, 85, 65, np.nan, 45, 90], category: [数码, 食品, 食品, 服装, np.nan, 图书] }) # 第二张表客户表关联订单表用 customers pd.DataFrame({ customer_id: [C01, C02, C03, C04], city: [上海, 北京, 广州, 深圳], level: [老客, 新客, 老客, 新客] }) print(orders) print(customers)订单表里有订单号重复、金额缺失、分类缺失、客户编号缺失四类问题。客户表结构相对规整但多了订单表里没有的 C04 客户。两张表放在一起覆盖了缺失值判断、去重、类型转换、表连接时 on 字段不一致等常见考点。你在练习时不要只是复制运行建议先自己看一眼这两张表心里回答三个问题哪个列适合做主键、哪几行需要清洗、两表连接后哪些客户会被丢掉。带着这三个问题往下走练习效率会高很多。3.2 筛选、去重、缺失值清洗高频基础操作的完整连招基础操作在面试里通常不会单独出题而是作为后续统计的前置步骤出现。这里我把最常用的筛选、去重、缺失值处理写在一个代码块里每一行都标了注释方便你对照理解。# 第一步查看缺失值分布这是清洗前的标准动作 print(orders.isna().sum()) # 第二步按订单号去重保留第一条记录 orders_clean orders.drop_duplicates(subset[order_id], keepfirst) # 第三步金额缺失的订单用整张表金额的中位数填充 median_amount orders_clean[amount].median() orders_clean.loc[orders_clean[amount].isna(), amount] median_amount # 第四步分类缺失的订单统一填“未知” orders_clean[category] orders_clean[category].fillna(未知) # 第五步客户编号缺失且无法补全的行直接删除 orders_clean orders_clean.dropna(subset[customer_id]) # 最后确认类型 print(orders_clean.info())第一步先用isna().sum()确认每一列缺多少个不是为了好看而是让你在填充前知道数据现状。第二步去重时我指定了subset只按订单号判断keepfirst表示保留第一条如果不写 subsetPandas 会要求整行所有列都重复才算重复行这在实战中往往会漏掉同一个人多次下单的重复数据。第三步给金额列填中位数要注意这里的小细节先用.median()算好值再传入而不是在 fillna 里直接写orders_clean[amount].median()因为后者可读性差一些而且金额列此时的类型可能已经因为缺失值变成了 float填充后全部变成小数这在某些统计场景下需要额外处理。第四步和第五步分别用了 fillna 和 dropna一个补分类一个删掉无法补齐的客户编号这也对应了前面讲的“按列特征选择不同清洗策略”的思路。3.3 分组聚合与表连接从数据到答案的完整闭环基础清洗做完接下来就是把两张表关联起来做面试里最常考的统计分析。这里给出几种最常见的操作写法每一种都有对应的输出结构建议自己打印出来看一眼。# 表连接订单表关联客户表保留订单表全部数据 merged orders_clean.merge(customers, oncustomer_id, howleft) print(merged) # 按城市汇总订单金额 city_summary merged.groupby(city, as_indexFalse)[amount].sum() print(city_summary) # 按城市和客户等级交叉统计分组键不只一个 level_summary merged.groupby([city, level], as_indexFalse)[amount].agg([sum, count]) print(level_summary)第一次连接时howleft表示以订单表为主表客户表中匹配不到城市信息的订单会显示 NaN这一行不会因连接而减少。按城市汇总时如果城市里有 NaNgroupby 分组后也会出现一行 NaN 分组要不要把它过滤掉取决于面试题的具体要求。最后交叉统计结果是一个多级索引的 DataFrame行索引是城市和等级的组合。如果你不希望后续继续操作这个结果时被索引干扰可以继续调用reset_index()把索引转回普通列。这里提醒一句分组聚合题目最怕的不是不会写 groupby而是不知道返回结果的索引结构因为后续任何操作都依赖这个索引状态。你练习时尽量把“写完分组后自动打印一下结果结构”变成肌肉记忆。4. Pandas 刷题常见坑五个高频翻车点在面试前必须自查刷 Pandas 面试题时最难受的不是不会做而是代码没报错、结果却不对。这类问题往往是几个特定操作导致的系统性错误我把它们放在一起做一个避坑清单每一条都按“现象、原因、解决”整理方便你面试前快速自查。4.1 链式赋值后数据没改还弹出一长串警告很多人在条件筛选后直接对结果赋值比如先取出所有订单金额大于 100 的记录再对这一堆记录加一列备注。运行时 Pandas 弹出 SettingWithCopyWarning而且原表里根本没有出现改动。这个现象很常见原因是筛选操作可能返回的是一个视图或副本赋值操作作用在临时对象上没有真正写回原 DataFrame。解决方法是放弃“筛选后再赋值”的二段式写法直接用loc一步到位。# 错误示范先筛选后赋值可能不生效 # temp orders[orders[amount] 100] # temp[flag] high # 正确做法直接定位到目标行 orders.loc[orders[amount] 100, flag] highloc的第一个参数是行筛选条件第二个参数是列名这样 Pandas 能准确定位到原 DataFrame 的存储位置而不是对临时对象操作。面试时如果把这一步讲清楚会显得你对 Pandas 内部引用机制有真实理解。4.2 concat 拼接后索引全乱了重复值莫名其妙变多concat 和 merge 经常被混用但两者的行为差异很大。concat 默认不重置索引它只是把数据沿某个轴拼接起来原来的索引会原样保留。两个都有 0、1、2 索引的表拼接后新表也会有多个 0、1、2这会让后续loc取值时匹配到多行结果和预期不一样。原因是你没有指定拼接后如何处理索引。解决方式是拼接时加上ignore_indexTrue让 Pandas 重新生成一套连续索引或者在拼接后手动调用reset_index(dropTrue)。如果是按列拼接两个结构不同的表还要注意axis1的使用避免把两张表错误地上下堆叠。combined pd.concat([orders_clean, customer_data], axis0, ignore_indexTrue)实际刷题时看到题干里写“将两个表纵向合并”第一反应就应该是concat而不是merge看到“按某一列关联拼接”再用merge。把这两个操作的使用边界分清楚能省下很多排查时间。4.3 fillna 之后数值列偷偷变成了小数连等值判断都失效订单金额列里如果原本存在 NaN即使你后来用 fillna 填掉这一列的 dtype 仍然是 float64不是整数。有些题目会继续用amount 65做过滤明明表中有一条 65 元记录筛选结果却是空的这很容易让人误以为自己写错了条件。原因是缺失值迫使 Pandas 在读取或构造数据时选择 float 类型因为整数类型无法表示 NaN。解决方法是如果你确实需要整数列可以先把缺失值填掉再显式用astype转换或者使用 Pandas 提供的可空整数类型 Int64它能同时容纳整数和缺失值。orders_clean[amount] orders_clean[amount].astype(Int64)这里特别提醒astype(int)在列中还有 NaN 时会直接报错必须先填充再转换astype(Int64)则允许保留缺失值是处理“有空值的整数列”更实用的选择。这个细节在面试题中很常见值得记牢。4.4 apply 函数拿到的是行、列还是元素经常被搞反apply 是让很多人头疼的操作问题往往出在函数签名与 axis 参数的配合上。axis0时传入函数的是一整列数据axis1时传入函数的是一整行 Series。有人写了个接收两个参数的函数却把 axis 设为 0运行时直接包类型错误还有人写 lambda 表达式按列名取值却把 axis 设为 0结果拿到的是某一列的全部数据而不是一行记录。解决方式是先写好函数再用一小段测试数据确认函数接收对象的形状。我常用的写法是让函数内部打印参数类型跑一遍就知道传进来的是 Series 还是 DataFrame。def calc(row): # 这里 row 是整行 Series可以通过列名取字段 return row[amount] * 0.9 if pd.notna(row[amount]) else 0 orders_clean[discounted] orders_clean.apply(calc, axis1)使用axis1时自定义函数接收的是每一行数据所以函数里的row[amount]是取当前这一行的字段。如果面试题里让你“对每一行做某种计算”优先用这种写法如果题目是“对每一列做统计”再把 axis 换成 0。4.5 groupby 之后感觉像“失踪”的列以及找不到 reset_index 的尴尬groupby 默认会把分组的键列变成结果表的索引如果分组键只有一列你在结果表里可能看不到明确列出的分组名只能用result.index才能访问。很多人急着取数据却不知道结果表结构导致后续合并或导入时报错。要解决这个问题最简单的办法是写分组时就用as_indexFalse或者主动调用reset_index()。需要留意 reset_index 对多级索引的处理分组键若不止一个reset_index 后会产生多个普通列其中某些列名与原有数据列重叠这时最好手动调整列名。summary orders_clean.groupby([city, category], as_indexFalse)[amount].sum()用as_indexFalse后分组键列直接保留为普通列结果更直观。面试现场如果时间紧张不用纠结哪种方式更优雅能输出正确结构即可但你要能说清楚as_index到底控制的是什么这个细节经常被追问。5. 把 Pandas面试题.pdf 刷成面试现场一套可自我演练的三步自测法题目刷够不等于面试能过因为面试现场不让慢慢查文档也不让反复试错。你需要一套自测方法提前感受“即将答题”的状态并且能通过结构化的方式发现自己的知识盲点。这里分享我常用的三步自测法很适合拿任何一份 Pandas 面试题 PDF 来练习。5.1 先扫盲还是先刷题按时间和目标选路线很多人拿到一份 PDF 后问“要不要先把每个知识点学一遍再做题”我的建议取决于你离面试还有多久。如果还有半个月以上功利性弱一点先把索引、分组、连接三大模块理解到位再开始刷题如果只有两三天直接做题但不要追求刷完所有题只做中等难度的动手题每题保证能写出可运行代码和口水话解释。刷题时一定要为自己准备一个“错题本”不用记题目原文只记三样东西题目的考点、你写的报错代码、正确写法的关键步骤。这个错题本复习效果远好于反复重看整份 PDF。把时间花在真正容易错的地方比盲目多刷十道题更有效。5.2 一题三练把一道基础题练出三种深度我的习惯是拿到一道题不要做一遍就完而是同一道题换三种方式练习。第一遍直接写答案跑通第二遍故意不看参考代码自己写一遍同时边写边说每一步在做什么第三遍改题目条件比如把要求从“按城市汇总”改成“按城市和月份汇总”看你能不能比较顺畅地调整代码。这套方法的逻辑很简单第一遍解决“会不会”的问题第二遍解决“熟不熟”的问题第三遍解决“能不能迁移”的问题。面试时面试官经常会临时加需求比如“能不能再按客户等级细分一下”“这个金额能不能换成占比”如果你只做过原题加需求后容易卡壳。# 第三遍练习示例给之前的汇总加一个“金额占比”字段 city_summary merged.groupby(city, as_indexFalse)[amount].sum() city_summary[amount_ratio] city_summary[amount] / city_summary[amount].sum() print(city_summary)这一步测试的是你能否在已有聚合结果之上继续做二次计算。很多人做到这里会想到用 transform 或 merge 回原表但在这个场景下直接在汇总表上算占比就够用了。学会判断“什么时候需要回原表、什么时候直接算结果”是面试加分的体现。5.3 构建“考点、真题、验证方法”对照表自我检测的实用工具刷题到后期不建议再按 PDF 原顺序刷而应该按考点自测。下面这张对照表可以帮你把做过的题目按考点归类每一类用一段最小代码验证掌握程度。考点如何自测验证方法索引与切片不看文档写出 loc 和 iloc 的行列取值打印结果行数与预期一致缺失值处理对带 NaN 的列分别用 fillna 和 dropna用 isna().sum() 对比处理前后分组聚合用 groupby 汇总城市金额检查结果表的索引与行数表连接用 merge 关联订单表和客户表检查连接后行数是否等于主表行数类型转换把含 NaN 的整数列转为 Int64用 dtype 属性确认类型这个表不要求你给每个考点挤出很高深的题目关键是“验证方法”那一列要可执行。如果自测时发现某个考点没有明确验证手段说明你还没完全理解这个知识点需要回看对应章节或找同类题目再练练。6. 面试最后十分钟当面演示 groupby transform 的思考逻辑面试末尾经常有一个“开放题”环节面试官会给一个稍复杂的场景比如算每个分类的订单金额平均值同时保留每一行的原始金额然后判断每一行高于还是低于其所在分类的平均值。这类题听起来像难题其实核心就是 groupby 加 transform 的组合使用。很多人写这种题第一时间想的是先 groupby 出一个汇总表再用 merge 把结果匹配回原表。这个思路没错但代码更长而且调试时容易因为连接后索引变化而出错。更直接的方式是用 transform它会返回一个跟原表行数一致的 Series不需要二次连接就能拿到每行所属分组的统计值。# 计算每个订单金额与其所在分类平均值的差值 category_mean orders_clean.groupby(category)[amount].transform(mean) orders_clean[diff] orders_clean[amount] - category_mean print(orders_clean[[order_id, category, amount, diff]])transform 的关键特点是结果长度与原 DataFrame 完全相同即使没有显式指定索引Pandas 也会自动对齐到每一行。这与agg不同agg返回的是以分组列为索引的压缩结果。面试时你不需要背概念把这段代码写出来并解释 transform 为什么节省了一次 merge面试官就能看出你对分组操作的掌握程度。这个写法在真实项目中也非常实用。比如统计每个城市销售额、每个用户最近一次消费时间、每个商品类目的价格中位数都需要把分组统计结果完整保留在明细表上。只要你能理解“transform 按行广播”这一点以后遇到这类需求都可以直接上手。我自己的习惯是平时刷题多留意那些“代码短但思考路径长”的写法比如 loc、merge、transform 这三类。每次做完题刻意问自己一个问题如果不用这个函数还有没有其他方式能达到同样效果能把两种完全不同的写法讲清楚就不会再在面试现场被追问细节时慌神了。这里把我积累的这套练习思路整理出来希望可以帮到正在准备 Pandas 面试的你。本文还有配套的精品资源点击获取
