前言
大家好，这里是零基础学Pyhton数据分析系列。如果你想做一个Python数据分析师，或者想做一个Python算法建模师，这么这些知识都是必备的哦。希望你可以在这个系列的学习中有所收获，成为一位优秀的数据分析师或者算法建模师。
这个系列很简单，这个系列很精彩。
这个系列所有的代码编写均是Python3版本。
这个系列用到的数据集是Pyhton自带的非常经典的鸢尾花数据集，可以直接使用哦。
喜欢的朋友们可以点个关注，有问题欢迎随时和我交流。
Pandas概念
Python可以成为数据分析最主流的语言，Pandas是其中不可或缺的因素。我在实际工作中，80%的数据处理工作都是使用Pandas来完成的，如果你想学Python数据分析，那么一定要会Pandas的常用操作。
本文就讲讲Pandas的基础，让大家对Pyhton的Pandas包有一个初步的了解，后续会详解Pandas在工作中的常用操作。
Pandas是什么
Pandas是Python + Data + Analysis的组合缩写，也就是Pyhton + 数据 + 分析，它是Python的一个数据分析包。
Pandas的核心数据结构是：Series和DataFrame。
简单来说，Pandas是编程界的Excel，它的核心数据结构DataFrame就是excel中一张表。
Pandas和Numpy的区别
Pandas是在Numpy基础上实现，相比Numpy，Pandas使用起来更加直观简单，但Pandas与numpy的关系不是替代，而是互为补充。
Pandas包的导入
import pandas as pd
在Pandas使用时，我们习惯把Pandas包命名成pd，这样在使用Pandas各种方法时很方便。（当然你也可以命名成其他的，不过业内都是命名成pd，还是跟着大众走吧） 比如查看Pandas版本：
pd.__version__'1.3.5'
Pandas核心数据结构
Pandas的核心数据结构是：Series和DataFrame。Dataframe是多行多列，Series是单列多行。让我们具体来看看这两种数据格式长什么样。后续文章也会详细讲解如何使用这两种数据结构来处理数据。
DataFrame
Dataframe是多行多列的，直接上图，让我们看看DataFrame长什么样。
<figcaption style="text-align: center; line-height: 1.75; color: rgb(136, 136, 136); font-size: 0.8em;">图片</figcaption>
如上图，就是一个100行 * 5列的DataFrame数据。第左边一列是它的索引（可以理解为是excel表的序号。索引不一定是顺序的，也可能是重复的，断续的，后续使用时会详细说明），最上面一行是它的列名（就是每一列代表的含义）。
有木有发现，这不就是一张ecxel表吗，是的，你可以把DataFrame理解为excel中一张表，对DataFrame的操作，就是对这张excel的操作变成了用Python代码来实现。
是不是非常的直观，这就是Pandas的美妙之处。
Series
Series是多行单列的，直接上图，让我们看看Series长什么样。
<figcaption style="text-align: center; line-height: 1.75; color: rgb(136, 136, 136); font-size: 0.8em;">图片</figcaption>
如上图，就是一个Series数据。第左边一列是它的索引，Series就是一列数据，每个数据对应一个索引值。（和DataFrame一样，索引不一定是顺序的，也可能是重复的，断续的，后续使用时会详细说明）
总结
看完DataFrame和Series的举例，是不是发现DataFrame和Series非常简单，然后我们要学的就是如何使用Pyhton对DataFrame和Series进行增、删、改、查。后续文章中，我会把我在工作中常用的操作一一详解，不说覆盖全部的知识点，但是用来完成绝大部分的数据处理工作足够了。等学会这些操作，那么恭喜你，你已经是一位初级数据分析师啦。
后记
Python真的是一个非常适合做数据分析的代码，数据分析师和算法建模师也真的是一份非常有趣的工作，如果你对数据很感兴趣，那成为一名数据分析师或者算法建模师一定是一个不错的选择。
当然数据分析师和算法建模师，业务经验才是核心，代码只是我们的工具，要想成为一个优秀的数据工程师，实践是必不可少的。
原创不易，每一个知识点都是我在工作中常用的，初心是为了分享，所以希望大家能多多支持，关注点赞转发，有什么问题欢迎在后台联系我，也可以在公众号找到我的微信加我。
加油，骚年！
