「这是我参与11月更文挑战的第17天，活动详情查看：2021最后一次更文挑战」。
pandas可以解决数据的预处理问题，如数据类型的转换、缺失值的处理、描述性统计分析、数据的汇总等。
序列与数据框的构造
pandas模块的核心操作对象就是序列（series）和数据框（dataframe）。序列可以理解为数据集中的一个字段，数据框是指含有至少两个字段（或序列）的数据集。首先需要说明哪些方式可以构造序列和数据框，之后才能实现基于序列和数据的处理和操作。
构造序列
构造一个序列可以使用如下的方式实现：
- 通过同质的列表或元组构建。
- 通过字典构建。
- 通过numpy重点一维数组构建。
- 通过数据框dataframe重点某一列构建。
例如，
不管是列表、元组，还是一维数组，构造的序列结果都是同样的打印样式。该样式会产生两列，第一列属于序列（可以理解为行号），自动从0开始；第二列才是序列的实际值。
通过字典构造的序列就是另一种打印样式，仍然包含两列，所不同的是第一列不再是行号，而是具体的行名称（label），对应字典中的键；第二列是序列的实际值，对应字典的值。
序列与一维数组有极高的相似性，获取一维数组元素的所有索引方法都可以应用到序列上，数组的数学和统计函数也同样可以应用到序列对象上，不同的是，序列会有更多的其他处理方法。
构造数据框
数据框实质是一个数据集，数据集的行代表每一条观测，数据集的列则代表各个变量。在一个数据框中可以存放不同数据类型的序列，如整数型、浮点型、字符型等，而数组和序列则没这样的优势，因为他们只能存放同质数据。
构造一个数据框可以应用如下方式：
- 通过嵌套的列表或元组构造。
- 通过字典构造。
- 通过二维数组构造。
- 通过外部数据的读取构造。
df1 =pd.DataFrame([['张三',21,'男'],['李四',23,'女'],['王五',25,'男']])
df2 =pd.DataFrame({'姓名':['张三','李四','王五'],'年龄':[21,23,25],'性别':['男','女','男']})
df3 =pd.DataFrame(np.array([['张三',21,'男'],['李四',23,'女'],['王五',25,'男']]))
print('嵌套列表构造数据框:\n',df1)
print('字典构造数据框:\n',df2)
print('二维数组构造数据框:\n',df3)
