pandas高频痛点包括：loc+apply比原生方法慢因Python循环vs底层向量化；read_csv数值列变object因隐藏字符，需dtype=str后清洗；groupby.agg列名嵌套需命名聚合展平；inplace=True在链式调用中失效且已弃用。

这个标题本身不是技术问题，而是课程宣传用语。真正需要解决的，是具体使用 pandas 时遇到的卡点——比如为什么 df.groupby().apply() 慢得离谱、为什么 inplace=True 有时没效果、为什么 pd.read_csv() 读出来的列类型不对。 下面直奔几个高频实战痛点：

为什么 df.loc[:, 'col'].apply() 比 df['col'].str.contains() 慢几十倍

本质是 Python 层循环 vs C/Fortran 底层向量化。只要 pandas 提供了原生字符串/数值方法，就别手写 apply。

• str.contains()、str.split()、dt.year 等都走底层优化路径，自动跳过 NaN，无需 na=False 显式处理（但要注意默认返回 NaN 而非 False）
• apply 强制触发 Python 解释器逐行调用，哪怕函数只做 str.upper()，也比 str.upper() 原生方法慢 5–20 倍
• 真要自定义逻辑又想提速？改用 np.where() 或 pd.cut() + 条件表达式，或者导出为 numpy 数组后用 numba.jit

pd.read_csv() 读取后数值列变成 object 类型，且无法用 astype(float) 转换

典型症状是报错 ValueError: could not convert string to float，根源几乎全是隐藏字符或混合类型数据。

• 先用 df['col'].apply(type).unique() 看真实类型，常会发现 str 和 float 并存
• 加参数 dtype={'col': 'string'} 强制读为字符串，再用 str.replace(r'[^0-9.-]', '', regex=True) 清洗，最后 astype(float)
• 更稳的做法是 pd.read_csv(..., dtype=str, keep_default_na=False)，彻底关闭自动 NA 推断，自己用 replace({'': np.nan}) 控制空值

groupby().agg() 返回列名丢失或嵌套混乱

这是 pandas 0.25+ 版本后多级列名（MultiIndex）的副作用。不指定 as_index=False 或不重命名，结果列会变成元组形式。

df.groupby('category').agg({'price': 'mean', 'qty': ['sum', 'count']})

输出列名为 ('price', 'mean') 和 ('qty', 'sum') ——这不是 bug，是设计。但后续操作容易报 KeyError。

• 加 as_index=False 可保持单层列名，但仅限于聚合结果是标量（如 mean）
• 更通用的是用命名聚合：.agg(price_mean=('price', 'mean'), qty_sum=('qty', 'sum'))，直接生成扁平列名
• 若已产生 MultiIndex 列，用 df.columns = ['_'.join(col).strip() for col in df.columns.values] 快速展平

inplace=True 在链式调用中失效，且不报错

这是最隐蔽的坑：df.dropna().inplace=True 实际上等于 None.inplace = True，因为 dropna() 返回新对象，左侧赋值前已经丢弃。

• inplace=True 只对直接作用于原变量的操作有效，例如 df.dropna(inplace=True)
• 所有带 . 链式调用（df.sort_values().dropna()）都不支持 inplace，它只作用于上一步返回的对象，而那个对象没被变量引用
• 官方已标记 inplace 参数为 deprecated，2.0+ 版本逐步移除。现在应统一用赋值：df = df.dropna()

真正难的从来不是学多少 API，而是知道哪个 API 在什么条件下会悄悄绕过你的预期。比如 pd.concat([df1, df2], ignore_index=True) 看似重置索引，但如果其中一个 df 的索引是 DatetimeIndex，结果可能变成 object 类型——这种细节，文档不会加粗，只能靠踩过才记得住。