整述：
pandas是有使数据清洗和分析工作变得更快更简单的数据结构和操作工具。pandas经常和其它工具⼀同使用，如数值计算工具NumPy和SciPy，分析库statsmodels和scikit-learn，和数据可视化库matplotlib。pandas是基于NumPy数组构建的，特别是基于数组的函数和不使用for循环的数据处理。
pandas和NumPy区别：pandas是专门为处理表格和混杂数据设计的。NumPy更适合处理统⼀的数值数组数据。
5.1 pandas的数据结构介绍
两个主要数据结构：Series和DataFrame。
Series
Series是⼀种类似于⼀维数组的对象，它由一组数据（各种
NumPy数据类型）以及一组与之相关的数据标签（即索引）组
成。仅由一组数据即可产生最简单的Series：
import pandas as pd obj=pd.Series([4,7,-5,3]) obj #输出 0 4 1 7 2 -5 3 3 dtype: int64
可以通过Series 的values和index属性获取其数组表示形式和索引对象。
一般，我们希望所创建的Series带有⼀个可以对各个数据点进行标记的索引：
obj=pd.Series([4,7,-5,3],index=['b','v','w','q'])
对于许多应用而言，Series最重要的⼀个功能是，它会根据运算的索引标签自动对齐数据：
Series对象本身及其索引都有⼀个name属性，该属性跟pandas其他的关键功能关系非常密切
DataFrame
