提示：转载请注明出处，若本文无意侵犯到您得合法权益，请及时与作者联系。
前言
本篇博客是作者学习莫烦Python相关Pandas的笔记，如果你向观看莫烦Python的代码，可以进入传送门：莫烦Python之Pandas
一、Numpy 和 Pandas 有什么不同？
Pandas是一个开源的，BSD许可的库（基于numpy），为Python编程语言提供高性能，易于使用的数据结构和数据分析工具，权威内容可以访问官方中文文档。
如果用 python 的列表和字典来作比较, 那么可以说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。
要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。
二、一维数据结构Series
Series是Pandas中的一维数据结构，类似于Python中的列表和Numpy中的Ndarray，不同之处在于：Series是一维的，能存储不同类型的数据，有一组索引与元素对应。也就是加了索引的一维数据结构（索引不一定是0 1 2 3的数字）
1.创建Series
pd.Series()是带标签的一维数组，其基于Numpy的ndarray 结构。
创建Serise有以下四种常见的形式：
（1）pd.Series([list],index=[list]) 第一个参数为数据，第二个参数为索引（可选，若不指明则默认从零开始）
（2）pd.Series(np.arange(6))
（3）pd.Series({dict}) 通过字典创建
（4）通过DataFrame中某一行或者某一列创建序列
2.访问Series属性
| Series.values | 返回Series的数据的值 |
| Series.index | 返回Series的索引的值 |
| Series.name | 返回Series的名字 |
3.访问Series的索引
三、二维数据结构DataFrame
DataFrame创建的两种方式：
1. 通过二维数组创建
2. 通过字典的方式创建，此种方法创建同时还要注意：字典中的value值只能是一维数组 或 单个的简单数据类型，如果是数组，要求所有数组长度一致，如果是单个数据，则会使每行添加相同数据。（待续）