“这是我参与更文挑战的第3天，活动详情查看： 更文挑战”
pandas库是基于NumPy库的一个开源Python库，广泛应用于完成数据快速分析、数据清洗和准备等工作，它的名字来源于“panel data”（面板数据）。pandas库提供了非常直观的数据结构及强大的数据管理和数据处理功能，某种程度上可以把pandas库看成Python版的Excel。pandas库也是Anaconda自带的，无须单独安装。与NumPy库相比，pandas库更擅长处理二维数据。pandas库主要有Series和DataFrame两种数据结构。Series类似于通过NumPy库创建的一维数组，不同的是Series对象不仅包含数值，还包含一组索引，其创建方式如下。
import pandas as pd
s1 = pd.series['fiz','ken']
s1的打印输出结果如下，它也是一个一维数据结构，并且每个元素都有一个可以用来定位的行索引，例如，可以通过s1[1]来定位到第2个元素“ken”。
0 fiz
1 ken
Series单独使用相对较少，我们学习pandas库主要是为了使用它提供的DataFrame数据结构。DataFrame是一种二维表格数据结构，可以将其看成一个Excel表格。
通过列表创建DataFrame
通过列表创建DataFrame和通过NumPy库创建二维数组比较类似。引入pandas库的方式通常为“import pandas as pd”，然后调用DataFrame()函数创建DataFrame，代码如下。
import pandas as pd
a = pd.dataframe([[1,2],[3,4],[5,6]])
print (a)
运行结果如下：
0 1
0 1 2
1 3 4
2 5 6
和之前通过NumPy库创建的二维数组进行比较。
[[1 2]
[3 4]
[5 6]]
通过比较可以发现，用pandas库的DataFrame()函数创建的DataFrame更像Excel中的二维表格数据，它也有行索引和列索引。需要注意的是，这里的索引序号是从0开始的。我们还可以在创建DataFrame时自定义列索引和行索引的名称，代码如下:
a = pd.DataFrame([[1,2],[3,4],[5,6]],columns=['date','score'],index = ['A','B','C'])
其中columns代表列索引名称，index代表行索引名称，a的打印输出结果如下。
date score
A 1 2
B 3 4
c 5 6
通过列表创建DataFrame还可以采用如下方式。
a = pd.DataFrame()
date = [1,3,5]
score = [2,4,6]
a['date'] = date
a['score'] =score
注意要保证date列表和score列表的长度一致，否则会报错，a的打印输出结果如下。
date score
0 1 2
1 3 4
2 5 6
此外我们还能通过字典 and 二维数组 创建DataFrame。
