pandas是一个专门用于数据分析的开源Python库，目前很多使用Python分析数据的专业人员都将pandas作为基础工具来使用。pandas是以Numpy作为基础来设计开发的，Numpy是大量Python数据科学计算库的基础，pandas以此为基础，在计算方面具有很高的性能。pandas有两大数据结构，这是pandas的核心，数据分析的所有任务都离开它们，分别是Series和DataFrame。
二、pandas库的安装
paandas安装较为简单，如果使用Anaconda的话，就在终端输入命令 “conda install pandas” 就能安装；如果电脑安装了pip的话，就在终端输入命令 “pip install pandas” 就能安装成功。安装完成后，可以在终端输入 “import pandas as pd” ，测试pandas是否安装成功。
三、Series的使用
Series用来表示一维数据结构，跟数组类似，它由两个相关联的数组组成，其中一个叫index的数组用来存储标签，这些标签与另一个数组中的元素一一对应。如下图所示：
声明Series对象时，需要调用Series()构造函数，并传入一个数组作为Series的主数组，比如：
import pandas as pd ser=pd.Series([12,33,55,66]) print(ser) '''输出为 0 12 1 33 2 55 3 66 dtype: int64 '''
运行上面的代码，可以知道，如果不指定标签，那么默认标签就是从0开始递增，我们也可以在声明一个Series对象时给它指定标签：
import pandas as pd ser=pd.Series([12,33,55,66],index=['a','s','d','f']) print(ser) '''输出为： a 12 s 33 d 55 f 66 dtype: int64 '''
我们可以通过Series的index很方便得到其内部元素，或者为某元素赋值：
import pandas as pd ser=pd.Series([12,33,55,66]) print(ser[2]) ser[2]=99print(ser[2]) '''输出为： 55 99 '''
Series对象可以进行运算，比如加减乘除，也可以使用Numpy中的数学函数来对它进行计算：
import pandas as pd ser=pd.Series([12,33,55,66]) ser2=ser/2print(ser2) import numpy as np print(np.log(ser)) '''输出为： 0 6.0 1 16.5 2 27.5 3 33.0 dtype: float64 0 2.484907 1 3.496508 2 4.007333 3 4.189655 dtype: float64 '''
从上面可以看出，Series对象似乎跟字典很相似，我们可以把Series对象当作字典来使用，我们在创建Series对象时，将创建好的字典传入Series的构造函数即可，这样字典的键就组成了索引数组，每个索引对应的元素就是字典中对应的值：
import
