简介：

1、Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

.

2、Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

.

3、数据结构： Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。 Time- Series：以时间为索引的Series。 DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。 Panel ：三维的数组，可以理解为DataFrame的容器。 Pandas 有两种自己独有的基本数据结构。读者应该注意的是，它固然有着两种数据结构，因为它依然是 Python 的一个库，所以，Python 中有的数据类型在这里依然适用，也同样还可以使用类自己定义数据类型。只不过，Pandas 里面又定义了两种数据类型：Series 和 DataFrame，它们让数据操作更简单了。

总的来说：Series 更快（有效的使用内存），更方便的操作数据（list 和 dict 的结合。有自己的索引，并且可以重命名。和整体的数据操作）

1.Series 就如同列表一样，一系列数据，每个数据对应一个索引值。

Series 就是“竖起来”的 list：

#!/usr/bin/env Python3
__author__ = '未昔/angelfate'
__date__ = '2019/7/16 11:08'
# -*- coding: utf-8 -*-
from pandas import Series
import pandas as pd
# 1.Series 就如同列表一样，一系列数据，每个数据对应一个索引值。
# Series 就是“竖起来”的 list：
Test1 = Series(['a', 4, 'wang', 'wei'])
print('-------Test1:-----\n', Test1)
print('Test1.index:', Test1.index)
print('Test1.values:', Test1.values)

2. 列表的索引只能是从 0 开始的整数，Series 数据类型在默认情况下，其索引也是如此。不过，区别于列表的是，Series 可以自定义索 (作业又趋近于字典 dict)

#2.列表的索引只能是从 0 开始的整数，Series 数据类型在默认情况下，其索引也是如此。不过，区别于列表的是，Series 可以自定义索(作业又趋近于字典dict)
Test2 = Series(['wangwei', 'male', 18, 105], index=['name', 'sex', 'age','weight'])
print('\n-------Test2:-----\n', Test2)  

3. 每个元素都有了索引，就可以根据索引操作元素了。还记得 list 中的操作吗？Series 中，也有类似的操作。先看简单的，根据索引查看其值和修改其值：

#3.每个元素都有了索引，就可以根据索引操作元素了。还记得 list 中的操作吗？Series 中，也有类似的操作。先看简单的，根据索引查看其值和修改其值：
Test3 = Test2
print('\n-------Test3:-----\n')
Test3['name'] = 'xiaowei'
print(Test3)

4. 前面定义 Series 对象的时候，用的是列表，即 Series() 方法的参数中，第一个列表就是其数据值，如果需要定义 index，放在后面，依然是一个列表。除了这种方法之外，还可以用下面的方法定义 Series 对象：

# 4.前面定义 Series 对象的时候，用的是列表，即 Series() 方法的参数中，第一个列表就是其数据值，如果需要定义 index，放在后面，依然是一个列表。除了这种方法之外，还可以用下面的方法定义 Series 对象：
test_con= {'python': 9000, 'c++': 9001, 'c#': 9000}
Test4 = Series(test_con)
print('\n-------Test4:-----\n',Test4)

5. 这时候，索引依然可以自定义。Pandas 的优势在这里体现出来，如果自定义了索引，自定的索引会自动寻找原来的索引，如果一样的，就取原来索引对应的值，这个可以简称为“自动对齐”。

# 5.这时候，索引依然可以自定义。Pandas 的优势在这里体现出来，如果自定义了索引，自定的索引会自动寻找原来的索引，如果一样的，就取原来索引对应的值，这个可以简称为“自动对齐”。
Test5 = Series(test_con,index=['java','c++','c#'])
print('\n-------Test5:-----\n',Test5)
Test6 = Series(test_con,index=['python','c++','c#'])
print('\n-------Test6:-----\n',Test6)