Numpy库在向量化的数值计算中表现优异，但在处理更加灵活、复杂的数据时（如：为数据添加标签、处理缺失值、分组和透视表等方面），基于Numpy构建的Pandas库更利于数据分析。

一、对象创建

1. Pandas Series对象
   Series是带标签的一维数组

   Series对象的创建
   通用结构：pd.Series(data, index=index, dtype=dtype)
   data：数据，可为列表，字典或Numpy数组
   index：索引，为可选参数
   dtype：数据类型，为可选参数

   1）用列表创建
   
   
   2）用一维numpy数组创建
   
   3）用字典创建
   
   4）data为标量时
   

2. Pandas DataFrame对象
   DataFrame是带标签的多维数组

   DataFrame对象的创建
   通用结构：pd.DataFrame(data, index=index, columns=columns)
   data：数据，可为列表，字典或Numpy数组
   index：索引，为可选参数
   columns：数据类型，为可选参数
   1）通过Series对象创建
   
   2）通过Series对象字典创建
   
   3）通过字典列表对象创建
   
   4）通过Numpy二维数组创建
   

二、DataFrame性质

1. 属性
   
   
2. 索引
   
   
   
   
3. 切片
   
   
   
   
   
   行分散，列切片，只能用相对位置的方法
   
   行列都分散取值，也只能用相对位置的方法
   
4. 布尔索引
   主要用来取某几列的数据
   
   
   
   
5. 赋值
   
   
   
   即先索引，后赋值
   

三、数值运算及统计分析

1. 数据的查看
   
   1）查看前面的行
   
   2）查看后面的行
   
   3）查看总体信息
   
2. Numpy通用函数同样适用于Pandas
   
   2）矩阵化运算