以下提供 2 個以 Pandas `DataFrame` 為核心的簡單實務範例。 ## 範例一：銷售資料統計 使用 `DataFrame` 儲存銷售紀錄，並計算每筆交易金額與各產品的總銷售額。 ```python import pandas as pd # 建立銷售資料 data = { "產品": ["筆電", "滑鼠", "鍵盤", "筆電", "滑鼠"], "數量": [2, 10, 5, 1, 8], "單價": [30000, 500, 1200, 30000, 500] } df = pd.DataFrame(data) # 計算每筆交易金額 df["金額"] = df["數量"] * df["單價"] print(df) ``` 輸出結果： ```text 產品 數量 單價 金額 0 筆電 2 30000 60000 1 滑鼠 10 500 5000 2 鍵盤 5 1200 6000 3 筆電 1 30000 30000 4 滑鼠 8 500 4000 ``` 依產品統計總銷售額： ```python summary = df.groupby("產品")["金額"].sum() print(summary) ``` 輸出： ```text 產品 滑鼠 9000 筆電 90000 鍵盤 6000 Name: 金額, dtype: int64 ``` 這類操作常用於： - 銷售報表 - 商品營收分析 - 每月業績統計 --- ## 範例二：員工資料篩選與薪資分析 使用 `DataFrame` 儲存員工資料，篩選出薪資高於平均值的員工。 ```python import pandas as pd data = { "姓名": ["小明", "小華", "小美", "阿偉"], "部門": ["工程部", "業務部", "工程部", "人資部"], "年資": [3, 5, 2, 7], "月薪": [45000, 52000, 40000, 48000] } employees = pd.DataFrame(data) # 計算平均月薪 average_salary = employees["月薪"].mean() print(f"平均月薪：{average_salary:.0f} 元") # 篩選薪資高於平均值的員工 high_salary = employees[employees["月薪"] > average_salary] print(high_salary) ``` 可能輸出： ```text 平均月薪：46250 元 姓名 部門 年資 月薪 1 小華 業務部 5 52000 3 阿偉 人資部 7 48000 ``` 也可以依部門計算平均薪資： ```python department_salary = employees.groupby("部門")["月薪"].mean() print(department_salary) ``` 這類操作常用於： - 員工薪資分析 - 人力資源報表 - 依部門統計平均年資或薪資 - 篩選符合條件的員工資料 `DataFrame` 的優點是能以欄與列的方式整理資料，並搭配 `filter`、`groupby`、`mean`、`sum` 等方法快速進行分析。