01 Pandas是什么
首先，我们来看看Pandas是什么。很多新手应该都是一个好奇宝宝，经常爱问的一个问题就是，为什么这玩意叫Pandas呢？难道它是一个熊猫吗？它产自四川吗？（对不起，由一个问题衍生出来三个问题，哈哈哈）

好奇虽然会害死猫，但不会害死人。作为一个新手，保持对细节的关注是可以的，当然也别太钻牛角尖。Pandas其实是几个单词组成的一个合成词，并不是我们平常意义上的熊猫之意。Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，现在大家不必深究这些名词术语，知道它的来历就好。
Pandas作为一个强大的数据分析工具，是在Python数据分析领域必不可少必须掌握的C位工具。我前面说过，Pandas本身应用起来并不难，但知识点较多，学习起来是比较繁琐的，特别是很多童鞋学了一段时间之后反应最大的问题就是方法太多了，怎么都记不住，实在是太难了。

确实，不得不承认诸如Numpy、Pandas等等这类工具的方法确实多，每个方法还有几十个参数，要死记硬背确实很难。但学习一定是有方法可循的，面对这种超多的知识点的工具，要怎么才能更好地学习和记忆呢？我们不妨想想生活中，如果你是一个妹纸，买了超多的鞋子、衣服裙子、化妆品，你是怎么管理的？如何快速找到你想要的东西的？答案很显而易见，我们首先要做的就是分类管理，我们不可能在化妆品柜子上去找裙子，也不可能在鞋柜上去找化妆品，只要分好了类，要找哪类东西的时候，直接再去里面找就好了。
所以，首先，我会带大家对Pandas中涉及的常用方法进行分类，然后再根据不同类型介绍对应的方法的用法。从应用层面，Pandas可以分为以下几个大类的方法（我做成了思维导图，大家可以感受一下。当然具体的小点没有展开，展开的话怕吓着大家，哈哈哈）：

所以，Pandas这个系列会分成以下几个部分：
Pandas常用数据类型
Series的概念和构造方法
Series里的常见操作
Dataframe的概念和构造方法
数据的读取
数据的探索
数据预处理
数据选择
数据操作
当然，分类里面并不是严格区分的，因为有些方法是很多操作里面都会涉及的，所以大家不要纠结于具体的分类，如果是重复了，权当是在复习就好。而且，针对不同的场景，可能具体的使用上会有些区别，大家注意一下就好。
具体每篇文章会涉及到几个部分呢？这个得看具体的知识点难度和文章的长度，从学习角度，咱这个不像是散文或小说，长度不宜过长，一般让大家在5分钟内看完就比较OK了。
好了，开场白基本上算是讲完了，咱们就按照计划进入正题。

02 Pandas中的基本数据类型
Pandas作为一个数据分析的专业工具，当然最核心的作用就是操作数据了。所以，我们在学习之前，一定要了解Pandas究竟能操作哪些类型的数据。从学习的角度来看，我们只需要掌握Pandas中最核心的两类数据类型：Series和Dataframe。
Series大家可以看成是一个一维数组，跟咱们在Python中使用的列表差不多,但跟列表还是有一定的区别的。一个明显的区别就是，Series中的每个元素除了有位置索引外，还有一个标签，我们除了使用元素的位置索引能够定位到一个元素，还能通过标签来定位到Series中的元素。从这个角度来看，Series是比列表更灵活的，这种设计的初衷是更适合于我们数据分析中的应用。
接下来，我们通过例子来说明。首先来看看Python中的列表
mylist = ['张三', '李四', '王五']# 张三的index固定是0，mylist[0]# 李四是1，mylist[1]# 王五是2，mylist[2]# 我们可以利用index来定位到列表中任何一个元素
这个很简单，很多童鞋应该都很熟悉，就不多说了。我们重点来看看Pandas中的Series。Series长下面这样：
import pandas as pdser = pd.Series(['张三', '李四', '王五']) # 生成一个series对象print(ser)
运行这段代码，结果长这样：

从上面打印出来的结果可以看到，Series对象打印出来会显示两列，左边的那列0,1,2就是Series中的index，也叫元素标签，跟右边的元素一一对应。右边显示的张三、李四、王五就是Series中的value，也就是元素的值。在默认情况下，如果你没有明确给Series中的元素指定对应的标签，Pandas就会将元素的位置索引作为元素的标签。
当然，我们也可以手工指定各个元素的标签是什么，比如下面这个例子，我们将默认的0,1,2这三个标签换成了one，two，three这三个标签了：
import pandas as pdser = pd.Series(['张三', '李四', '王五'])# 修改series元素标签ser.index = ['one', 'two', 'three'] print(ser)
这个时候，ser打印出来是长这个样子：

大家可以看到，标签的值改变了。标签的值可以随意改，这在数据分析中是有意义的，因为很多时候，我们在分析不同维度的数据时，需要用不同的标签去标识这个数据的意义，让我们在做数据分析时更加方便，而不像传统的Python列表中，只需要用位置索引来获取元素。同样的，在获取Series中的元素的时候，我们既可以按照传统的列表的位置索引方式来获取特定的元素，也可以按照标签的形式来获取Series中的元素。代码如下：
import pandas as pdser = pd.Series(['张三', '李四', '王五'])# 修改series元素标签ser.index = ['one', 'two', 'three'] # 通过元素位置坐标来获取元素print(ser[0]) # 打印张三# 通过元素标签来获取元素print(ser['two']) # 打印李四
接下来再看看Dataframe这种数据类型。Dataframe是一种比Series更常用的数据类型，因为它是一种模仿表格的二维数组结构，由行数据和列数据组成，对应的也有行标签和列标签。比如一个典型的Dataframe长下面这个样子：

熟悉数据库的童鞋应该都知道，这就是典型的表结构。我们也可以修改行标签和列标签的值，并且在获取元素时也可以根据标签和位置来进行获取，后面的系列文章中将详细为大家进行讲解。
好了，本文是Pandas应该这样学的第一篇，主要内容比较简单，主要给大家讲了下Pandas中两种最重要的数据结构Series和Dataframe。它们两者的区别大家一定要搞清楚，一个是一维的，一个是二维的。虽然Dataframe中也有多维数据结构，比如在有多级索引时，但这种是比较特殊的情况，后面我们遇到之后再说。目前，大家记住这些就足够了，我们的内容还很多，我们下一篇再见。