一、Pandas 简介
Pandas是使用Python语言开发的用于数据处理和数据分析的第三方库。它擅长处理数字型数据和时间序列数据，当然文本型的数据也能轻松处理。 Pandas 可以处理的数据格式非常多，常见的数据文件格式都可以快速导入，比如 CSV、JSON、SQL、Microsoft Excel 导入数据。 由于Pandas对数据的强大处理能力，被广泛的应用于金融，数据处理等方面，是大家学习数据处理时，不可避免的存在；如果想要学好数据处理，就一起来学习Pandas吧！！！ 总结：Pandas 在数据处理方面很强大！封装了我们常用的功能，直接调用相关的函数即可，省去了我们很多工作，让我们一起好好学习Pandas吧！
二、Pandas 数据结构
Pandas 的主要数据结构有两种，分别是： Series （一维数据）与 DataFrame（二维数据）;所以后面的内容也是围绕着这两部门展开的；
2.1 Series （一维数据）
似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。即：Series 与Numpy 数组基本是一样的，只不过多了数据标签（索引）；
Series 格式： pandas.Series( data, index, dtype, name, copy)
参数说明：
参数 解释说明 data 一组数据(ndarray 类型) ，即Numpy数据； index 数据索引标签，如果不指定，默认从 0 开始。 dtype 数据类型，默认会自己判断。 name 设置名称。（不常用） copy 拷贝数据，默认为 False。（不常用）Series 举例：
import pandas as pd a = ['x','y','z'] b = [1,2,3] mynum1 = pd.Series(b) print(mynum1) # 0 1 # 1 2 # 2 3 mynum2 = pd.Series(b,index=a) print(mynum2) # x 1 # y 2 # z 3 # dtype: int64 mynum3 = pd.Series(b,index=a,dtype=float) print(mynum3) # x 1.0 # y 2.0 # z 3.0 # dtype: float64注意事项：
2.2 DataFrame（二维数据）
类似于二维数组的对象，是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引；可以当作是许多个共用同一个索引的Series组成的数据结构；DataFrame 图解如下：
上图所表示的就是一个由n 个Series组成的DataFrame; 所有的Series 共享同一个Index ;
DataFrame 格式：pandas.DataFrame( data, index, columns, dtype, copy)
参数说明：
参数 解释说明 data 一组数据(ndarray 类型) ，即Numpy数据； index 数据索引标签，也可称为行标签 columns 数据列标签，如果不指定，默认从 0 开始。也可称为列标签。 dtype 数据类型，默认会自己判断。 copy 拷贝数据，默认为 False。（不常用）三、Series 的创建
3.1 由数创建
不指定Index的时候，用单个数值只能创建一个元素的Series;
mySer = pd.Series(2) print(mySer) # 0 2 # dtype: int64通过指定Index 可以生成多个相同元素的Series，举例如下：
mySer = pd.Series(2,index=range(3)) print(mySer) # 0 2 # 1 2 # 2 2 # dtype: int643.2 由列表创建
当不指定Index的时候，会默认生成RangeIndex(start=0, stop=n-1, step=1)的Index; 举例如下：
lis = [3,4,5] mySer = pd.Series(lis) print(mySer) # 0 3 # 1 4 # 2 5 # dtype: int64 print(mySer.index) # RangeIndex(start=0, stop=3, step=1) print(mySer.values) # [3 4 5]也可以指定Index, 举例如下：
lis = [3,4,5] ind = ["马里奥","路易吉","林克"] mySer = pd.Series(lis,index=ind) print(mySer) # 马里奥 3 # 路易吉 4 # 林克 5 # dtype: int64 print(mySer.index) # Index(['马里奥', '路易吉', '林克'], dtype='object') print(mySer.values) # [3 4 5]