Pandas被称为“Python Data Analysis Li”，它：
是基于Numpy的一种工具库；
提供了大量能使我们快速便捷处理数据的函数和方法；
最初被作为金融数据分析根据被开发出来；
集成了时间序列功能；
对缺失值的灵活处理能力；
…
Pandas有两种主要的数据结构：Series和Dataframe，前者是一维的，后者是多维的（表格型）。
一、 Series
Series由一组数据和对应的索引组成，看个例子：
有点像第1天学的字典。
复习一下字典：
Series在操作上也像字典，对比一下a（字典）和b（Series）：
实际上，字典也确实可以直接变身成为Series！比如下面的字典a，储存了每个地区的平均工资，将其变为Series：
二、DataFrame
1. 数据结构
DataFrame是一个表格型的数据结构。
下面的这组数据，储存了2015年中国人口前十的城市，以及它们拥有的人口。
那么怎么才能生成这样一张表呢？最常用的方法，是用字典生成：
2. 基本操作
（1）改变索引名
刚刚的城市人口数据，我们有10个城市，索引是0~9，我们不想用这么单调的数字来做索引，想用每个城市的简称来表示，和Series一样，可以用index=来指定索引
（因为Python自带的shell中，结果的显示没有ipython notebook美观，所以下面的例子我用ipython notebook的结果来展示）
（2）增加一列
如何给DataFrame增加一列？还是以刚刚城市人口的数据pop_DF为例，我们来增加一列，给每个城市打上“China”的标记：
有时候增加的这一列不一定全，可能有缺失，比如再给每个城市增加一列归属省份，但是本人地理差，只知道广州属于广东，苏州属于江苏，那么我可以这么加：
总结：
- 可以用Series来按照索引的匹配来增加一列；
- 缺失的地方会用NaN来表示。
（3）排序
作为统计师，排序是常见的，我想到的以后可能用到的至少有这几种：
人为给定顺序；
按照索引来自动排序：升序、降序；
按照某一变量来自动排序；
人为给定顺序：
用reindex函数，可以人为的给定顺序，想让谁在前面谁就在前面。
比如，我们按照首字母来人为给定如下顺序
这时我有一个问题了：要是reindex中出现了不存在的索引怎么办？
比如上例中pop_DF2的“Chu”，结果其所对应的全部变量都是缺失的。
按照索引自动排序：
可以用 .sort_index() 来让数据按照索引自动排序。
在上例中，我们多了一个索引为“Chu”的空数据，并且在Bao的前面，我们再用sort_index()让它按照字母顺序自动重排一下。
这是默认的升序排列，也可以降序，只要指定ascending=False就可以：
pop_DF2.sort_index(ascending=False)
按照变量自动排序：
我们可以用 .sort_values( by = ‘’ ) 来指定某一个变量来排序：
我们回到pop_DF这个数据：
（4）删除一列或一行
如何删掉一行？
用 .drop() 就可以删掉指定的索引行，
比如我们想删掉pop_DF中，人口大于2000（万）的城市，也就是重庆和上海，对于的索引（也就是简称）为：Yu和Hu
如何删掉一列？
用 .drop() ，指定一下要删的列变量，并且加一句 axis=1 。
Pandas数据的DataFrame数据格式的魅力：
列表生成DataFrame：
字典生成DataFrame的问题
