之前讲了数据分析numpy库，今天开始讲数据分析教程pandas库，可以说，python在数据分析领域独树一帜，离不开pandas的强有力支撑，之前教程中也说过了，numpy主要处理数值型数据，pandas不但能处理数值型，字符型等也能处理，而且相比numpy，pandas会更好用，一般情况下，在工作中如果numpy和pandas的相同功能，我也可能用pandas更多些。
下面简单截图了一个拉勾招聘需求，让大家有所了解数据分析工作的基本知识都要会哪些，工资就不必多提了，一般情况下，有2年真正的工作经验，15K算是比较保底的了,技术要求的话，有numpy、pandas、scipy、sklearn还有一些机器学习算法等，也都是该系列教程要一步步给大家讲的，当然数学好的话，会是很大的加分项，本系列教程只讲我觉得重要的，工作会用到的知识点，把方法教给大家
1、pandas数据结构
1.Series一维
2.DataFrame 二维，Series容器
导入包：习惯给numpy起别名np,pandas起别名pd
import numpy as np
import pandas as pd
简单感知下两者区别，Series为一列数据，最左侧的01234为标签，右侧为值
DataFrame为多列数据，说白了就是DataFrame由多个Series组成
2、Series创建
之前numpy教程中提到过，学习数据分析库的通用思路就是了解并创建数据结构，取值，修改，计算，这些pandas也不例外，我们依旧按照这些思路来学习
通过传入列表创建series，如果修改标签，可以创建后通过df.index修改,也可以在创建的时候加入index参数进行修改
通过字典创建series，默认字典的键即标签
3、Series取值方式一
series具有对象的特点，类似字典，可以通过get方法、中括号方法、点语法进行取值，当然get好处就是假如键（索引、标签）不存在，不会抛异常
注意：索引是字符时候，可以用点语法，如果是数值时候，不能用点语法，如下图，会抛异常，这点同样适用于后面所讲的DataFrame数据结构
4、Series取值方式二
series不但有字典的特点，也有列表的特点，可以通过切片进行选取
5、Series计算
简单举列子，加1、利用numpy中一些数学方法计算平方等
6、Series获取索引和值
df.index和df.values可以获取索引和值，打印值的类型，是numpy的ndarray类型
当然区别于上面所讲的设置索引，设置索引时候我们是赋值操作df.index = [“zs”,“ls”,“ww”,“zl”]，而获取的时候我们直接df.index即可
7、补充一些数学运算方法（numpy库、math库、scipy库）
exp:以e为底的指数函数
square:平方
sqrt:开平方
numpy库：
math库:( 发现没有square方法，就用了pow方法）
scipy库:
举例这些想说明的问题是，python的很多科学计算库包括但不限于以上3种，内部很多封装好的数学方法用法差不多，功能重复，我们用的时候根据场景选用任意都可以，当然还有更多的对数函数，开多次方，圆周率π，这些都有对应的方法，希望大家能查阅相关文档，自己去学习，培养自学能力