Pandas：提供了快速、灵活和表达式丰富的数据结构。

引言

Pandas是Python中最为广泛使用的数据分析和操作库之一，特别适用于处理结构化数据。该库的名称源自“Panel Data”的缩写，意为面板数据或多维数据。Pandas基于NumPy构建，继承了其高效的数组计算能力，并在此基础上进一步扩展，提供了更高层次的数据结构和数据分析工具，如Series和DataFrame。这些数据结构旨在使处理“关系”或“标签”数据的工作变得更加简单、直观，并且具有强大的表达能力。

Pandas的目标是提供快速、灵活和表达式丰富的数据结构，以便于数据的清理、转换、聚合和可视化。无论是数据科学家还是分析师，Pandas都能有效简化他们的日常工作，使得大规模数据的处理和分析变得更加高效。Pandas特别适合处理来自CSV、Excel、SQL数据库、HDF5等多种格式的文件，能够轻松应对从数百行到数百万行的数据。

核心特性

1. 数据结构

• Series：Series是一种类似于一维数组的对象，它由一组数据和与之相关的标签（索引）组成。Series的行为类似于NumPy的数组，但与NumPy数组不同，Series对象可以存储任何类型的数据，包括整数、浮点数、字符串、对象等。Series的索引不仅可以是整数，还可以是任何其他类型（如字符串、时间戳），这使得数据的访问更加灵活和直观。
• DataFrame：DataFrame是Pandas中最重要的数据结构，它是一个类似于电子表格或SQL表格的二维表，由行和列组成。DataFrame的每一列都是一个Series对象，因此可以存储不同的数据类型（如整数、浮点数、字符串等）