pandas作为python进行数据分析的常用第三方库，它是基于numpy创建的，使得运用numpy的程序也能更好地使用pandas。
1 pandas数据结构
1.1 Series
注：由于pandas与numpy关系密切，所以在代码中经常将二者一同导入使用。
上图中，先利用numpy创建一个一维数组，再利用pandas的内置方法将其转换为pandas的序列类型Series。可以看到，pandas会自动将原有数据转换成一列，并添加行的索引。
1.2 DataFrame
pandas的第二种也是最具代表性的数据结构就是DataFrame。
显然，DataFrame就是矩阵类型的数据，只不过pandas中会给矩阵添加行列索引，以便使用与查找元素。
2 创建DataFrame
由于Series可以视为DataFrame的一种简单情况，所以后面将主要介绍DataFrame，关于Series的情况可以类比过去。
从前一小节可以看到，pandas的数据可以通过运用内置方法转换numpy创建的数据得到，但也可以直接在pandas库内创建DataFrame。
创建DataFrame时，可以手动给数据添加行列名，否则pandas会自动添加形如“0，1，2，3”的行列名。
由于pandas基于numpy制作，所以numpy中的一些常用方法可以直接移植过来。
pandas中也有shape方法查看矩阵大小。
3 查找DataFrame的元素
因为pandas中的矩阵允许自定义行列名，所以定位其中的元素分为如下几种方式：使用行列名称，使用行列位置，名称位置混合。
3.1 行列名称定位
3.2 行列位置定位
3.3 名称位置混合定位
一般常用的还是前两种定位手段，混合定位了解即可。
小结：作为pandas系列的开篇，本文就介绍到此，沿用numpy系列的模式，后面的博文将介绍pandas中关于DataFrame的常用方法。
原文地址：https://www.cnblogs.com/pythonfl/p/12272541.html