我们并不是不愿意学习新的知识，只是在学习之前我们更想知道学习他们能够帮助我们解决什么问题。——伟哥
numpy虽然能够帮助我们处理数值，但是pandas除了处理数值之外(基于numpy)，还能够帮助我们处理其他类型的数据（字符串、时间序列等等）
pandas is an open source, BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language.
译：pandas 是一个开源的、BSD 许可的库，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。
3、pandas的常用数据类型- Series 一维，带标签数组（索引）
- DataFrame 二维，Series容器
import pandas as pd
import numpy as np
import string
t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))
print(t)
A 0
B 1
C 2
D 3
E 4
F 5
G 6
H 7
I 8
J 9
dtype: int32
测试一个小案例：
import pandas as pd
student = {"name": "xiaoming", "age": 18, "tel": 110}
t = pd.Series(student)
print(t)
name xiaoming
age 18
tel 110
dtype: object
再测试：
import pandas as pd
import string
a = {string.ascii_uppercase[i]: i for i in range(10)}
t = pd.Series(a, index=list(string.ascii_uppercase[5:15]))
print(t)
F 5.0
G 6.0
H 7.0
I 8.0
J 9.0
K NaN
L NaN
M NaN
N NaN
O NaN
dtype: float64
重新指定其他的索引之后，如果能对上，就取值，否则为NaN
注意：pandas会自动根据数据类型更改series的dtype类型
5、pandas之Series切片和索引import pandas as pd
import numpy as np
import string
t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))
print(t)
测试如下：
切片:直接传入start, end或者步长即可
索引:一个的时候直接传入序号或者 index,多个的时候传入序号或者 index的列表
对于一个陌生的series类型，我们如何知道他的索引和具体的值呢？
import pandas as pd
import numpy as np
import string
t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))
print(t)
Series对象本质上由两个数组构成，一个数组构成对象的键(index,索引),一个数组构成对象的值( values),键→值
7、pandas之读取外部数据现在假设我们有一个组关于狗的名字的统计数据，那么为了观察这组数据的情况，我们应该怎么做呢？
数据来源：https://www.kaggle.com/new-york-city/nyc-dog-names/data
import pandas as pd
# 直接使用pandas读取csv文件
test = pd.read_csv("./dog.csv")
print(test)
但是，还有一个问题：
对于数据库比如mysql或者mongodb中数据我们如何使用呢？
pd.read_sql(sql_sentence,connection)