pandas 常用哪些操作处理数据？
五个经典回答示范
我的常用链路：read_csv 读取加 dtype 指定；清洗用 dropna、fillna、drop_duplicates、astype；变换用 groupby 加 agg 聚合、merge 关联、pivot 透视；时间序列用 rolling 窗口、shift 偏移；性能上避免循环，用向量化操作和 query/filter 条件筛选，大文件用 chunksize 分块读。
我讲一个实战：三千万行订单做品类分析。直接读内存爆，用 chunk 分块聚合再合并；类别字段转 category 类型省 90% 内存；groupby 后的多个统计用一次 agg 传字典完成，比循环逐列算快几十倍；最后 merge 商品维表用 validate 参数防脏关联。整段脚本从最初跑不出来优化到 40 秒完成。
我分三档讲：基础档——索引与对齐机制，Series/DataFrame 的广播规则；进阶档——链式风格 pipe 与 assign 提升可读性、query 与 eval 减少中间拷贝、分类与稀疏类型控内存；工程档——超出内存转 polars 或 duckdb、数据管道从笔记本走向脚本与调度、结果可复现（随机种子、版本固定）。工具随数据规模演进，pandas 不是终点。
追问『merge 的坑』：多对多关系意外笛卡尔积、键类型不一致关联不上、validate 参数与 suffixes 规范；『apply 为什么慢』：逐行走 Python 层，优先向量化、map、numba；『groupby 后怎么排序取头』：sort_values 后 groupby.head(n)，比 apply 取 topk 快得多。
『pandas 我就会 df.mean() 这种一行统计，复杂逻辑都写 for 循环遍历行，虽然慢点但能跑出来，反正数据分析结果对就行。』——点评：逐行循环在百万行级基本不可用；『结果对就行』在处理时效和分析迭代次数上是硬伤。DataFrame 的价值就在向量化，绕开它等于白学。
- 打开 模拟练习，选择「数据分析」方向，限时 3 分钟作答本题。
- 对照上方答题框架，逐点检查：哪些要素没覆盖、哪里表达啰嗦。
- 用自己项目的真实经历替换框架中的占位内容，重讲一遍并录音回听。
这类题在真实面试中常被追问细节，
建议进入限时模式练一遍。