Python数据分析与处理Pandas框架

目录

1. 在使用pandas之前，首先应当熟悉其核心的两种数据结构：Series与DataFrame。

1.1 Series

1.2 DataFrame

2. 数据的选择方法在pandas中具有重要作用。

3. 数据值的设定是pandas操作中的关键步骤之一。

4. 对缺失数据的处理是pandas功能的重要组成部分。

5. 数据的导入与导出功能在pandas中被广泛使用。

6. 利用concat方法实现数据的合并操作。

7. 通过merge方法完成数据表之间的连接操作。

8. 使用plot功能进行数据可视化展示。

---

Python学习路径：https://morvanzhou.github.io/learning-steps/

Numpy与pandas之间存在哪些差异：

若将Python中的列表和字典作为参考对象，可以认为Numpy更接近于列表的形式，不具备数值标签，而Pandas则更类似于字典结构。Pandas是在Numpy基础上开发出来的，它使得以Numpy为核心的应用场景更加便捷和高效。

1. 要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。

Series对象的字符串展示方式为：左侧显示索引，右侧对应相应的值。由于未对数据设置特定的索引，系统将默认生成从0至N