首先，如果我们想要加载pandas程序包并开始使用它，我们先要导入该程序包，pandas的别名为pd，因此按pd所有pandas文档的标准做法加载pandas。
pandas数据表表示形式
如果我想存储泰坦尼克号的乘客数据，对于许多乘客，我知道姓名（字符），年龄（数字）和性别（男/女）数据。
要将数据手动存储在表中，要创建一个DataFrame。当使用Python的列表字典时，字典键将用作列标题，而每个列表中的值将用作DataFrame的列。
Data是一种二维数据结构，它可以在列中存储不同类型的数据（包括字符、整数、浮点数、分类数据等）。它类似于电子表格、SQL表或R中的data.frame。
1.该表有3列，每列都有一个列标签，列标签分别是Name、Age和Sex
2.Name由文本数据组成，每个值都是一个字符串，Age是数字，Sex是文本数据
在电子表格中，数据的表格表示形式非常相似：
DataFrame中每一列都是一个Series
如果只是对Age列中的数据进行操作，可以这样做：
当选择一个pandas的单个列DataFrame，结果是pandas系列。如果要选择列，要在方括号[ ]之间使用列标签。
如果你熟悉Python字典，则单列的选择与基于键的字典值的选择非常相似。
我们也可以从头开始创建系列：
pandas系列没有列标签，因为它只是DataFrame的单个列，系列确实具有行标签。
使用DataFrame或Series进行某些操作
比如我想知道乘客的最大年龄
我们可以通过DataFrame选择Age列并应用Max()来执行
或者使用Series：
pandas提供了许多功能，每个功能都有一个特定的方法，可以应用到DataFrame或Series中。但由于方法是函数，所有不要忘记使用圆括号（）。
如果我们对数据表中数值数据的一些基本统计信息感兴趣
descryibe()提供了DataFrame中数字数据的快速概述。但由于Name和Sex列是文本数据，因此默认情况下descryibe()方法不考虑这些数据。
许多pandas操作返回一个DataFrame或一个Series。而descryibe()则是返回pandas序列的pandas操作的一个Series。
如果你想学习Python，但是找不到学习路径和资源，欢迎来指尖编程。
