pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
一.pandas模块的安装
使用pip接口进行安装
pip install pandaspip接口详细说明可以看：【python】之pip，Python 包管理工具详解！_pip 包管理_彭彭能呀的博客-CSDN博客
二、使用步骤
pandas的数据结构：
（1）Series：类似表格中的一个列(column),类似于一维数组，可以保存任何数据类型，由索引(index)和列组成。
（2）DataFrame：是一个表格型的数据结构，每列可以是不同的值类型（数值，字符串，布尔型值），DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典。
1.先来看看Series：
import pandas as pd###导入pandas模块pd.series(data,index,dtype,name,copy)参数说明：
data：一组数据（ndarray类型）
index：数据索引标签，如果不指定，默认从0开始
dtype：数据类型，默认会自己判断
name：设置名称
copy：拷贝数据，默认伟False
(1)获取一列数据
import pandas as pdx = [3,4,5,6,7,8,9]pd.Series(x)输出：
从0开始排列，dtype类型为int64。
（2）设置索引
import pandas as pdx = [3,4,5,6]pd.Series(x,index=['a','b','c','d'])输出如下：
如上图1，设置索引对应列表数据，如图2直接获取a的值。
2. 接下来了解下DataFrame类型：
import pandas as pdpd.DataFrame( data, index, columns, dtype, copy)参数说明：
data：一组数据（ndarray、series, map, lists, dict 等类型）
index：数据索引标签，如果不指定，默认从0开始
columns：列索引
dtype：数据类型，默认会自己判断
copy：拷贝数据，默认伟False
（1）.获取一组数据
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)输出：
输出表格型的数据结构。
（2）.设置行、列索引
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1输出：
（3）. 获取指定列信息
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1pd1[['year']]输出：
（4）.切片行数据
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1pd1[:2]输出：
（5）.条件筛选，获取满足条件的行数据
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1pd1[pd1['age']>15]输出：
筛选出年龄大于15的同学
（6）.先筛选行，在筛选列
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1pd1[:2][['name','year']]输出：
（7）.删除指定行
import pandas as pddata = {'name':['xx','zz','hh','aa'], 'year':[2000,2001,2002,2003], 'age':[15,16,17,18]}a = pd.DataFrame(data)print(a)pd1 = pd.DataFrame(data,columns=['name','year','age'],index=['a','b','c','d'])pd1data = pd1.drop(['a'])print(data)输出：
3.pandas文件读取和储存
pandas支持的常用文件类型包括：HDF5,CSV,SQL,XLS,JSON等
（1）读取CSV文件数据
import pandas as pddata = pd.read_csv(r"....\test.csv",encoding='gbk')print(data)输出：
（2）读取指定列数据
import pandas as pddata = pd.read_csv(r"...\test.csv",usecols=['下限'],encoding='gbk')print(data)输出：
先写这么多….
@Neng