引入

　　numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？ numpy能够帮我们处理处理数值型数据，但是这还不够 很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等 比如：我们通过爬虫获取到了存储在数据库中的数据 比如：之前youtube的例子中除了数值之外还有国家的信息，视频的分类(tag)信息，标题信息等 所以，numpy能够帮助我们处理数值，但是pandas除了处理数值之外(基于numpy)，还能够帮助我们处理其他类型的数据。

什么是pandas？

　　pandas是一个Python软件包，提供快速，灵活和富于表现力的数据结构，旨在使使用“关系”或“标记”数据既简单又直观。它旨在成为在Python中进行实际，真实世界数据分析的基本高级构建块。此外，其更广泛的目标是成为任何语言中可用的最强大，最灵活的开源数据分析/操作工具。它已经朝着这个目标迈进了。

pandas的常用数据类型

　　1、Series 一维，带标签数组

　　2、DataFrame 二维，Series容器

(1)Series创建

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

data:类数组，可迭代，字典或标量值,包含存储在系列中的数据。在0.23.0版中进行了更改：如果data是dict，则将为Python 3.6及更高版本维护参数顺序。

index：类数组或索引（1d）值必须是可散列的，并且与data的长度相同。允许使用非唯一索引值。如果未提供，则默认为RangeIndex（0，1，2，…，n）。如果同时使用了字典和索引序列，则索引将覆盖在字典中找到的键。

dtype：STR，numpy.dtype，或ExtensionDtype，可选

输出系列的数据类型。如果未指定，则将从data推断出来。

copy：bool，默认为False,copy输入数据。

import pandas as pd
import numpy as np
t = pd.Series(np.arange(12),index= list("asdfghjklpoi"))
print(t)
print(type(t))

注意几个问题：pd.Series能干什么，能够传入什么数据类型让其变为series结构。index是什么，在什么位置，对于我们常见的数据库数据或者ndarray来说，index到底是什么如何给一组数据指定index。

c = {"name":"lishuntao","age":18,"gender":"boy"}
t1 = pd.Series(c)
print(t1)
print(type(t1))
print(t1["name"])
print(t1["gender"])

从上面可以看出，通过字典创建一个Series，字典的键就是索引。

重新给其绑定其他的索引之后，如果能够对应的上，就取其值，如果不能，就为Nan。如图所示：

import numpy as np
import pandas as pd

a = {"a":12,"name":"lishuntao","c":"xiaoc","age":18,"gender":"man"}

t1 = pd.Series(a)
print(t1)
print(type(t1))
t2 = pd.Series(a,index=list("abcdf"))
print(t2)

numpy中的nan为float，pandas会自动根据数据类型更改series的dtype类型。

Series切片和索引

import numpy as np
import pandas as pd

a = {"a":12,"name":"lishuntao","c":"xiaoc","age":18,"gender":"man"}

t1 = pd.Series(a)
print(t1)
print(t1[:2])
print(t1[1])
print(t1[["a","c","gender"]])
print(t1[0:5:2])