本章重点内容：
1、pandas 数据结构介绍
2、基本功能
3、描述性统计的概述与计算
接下来展开详细的说明
1、pandas 数据结构介绍
Series数据
Series是一种一维的数组型对象，它包含了一个值序列，并且包含了数据标签，成为索引（index），
最简单的序列可以仅仅由一个数组形成，如下：
左侧是索引，右侧是数值，如果没有指定索引，默认的是从0到n-1
Series有两个属性，可以访问对象的值和索引，如下：
在创建Series数据的时候，可以直接通过index参数指定索引，如下：
可以通过索引来访问对象的值，如下：
可以对Series数据进行一些数据函数运算，依然会保留索引，如下：
你会发现，Series数据类型，很想Python数据中的字典，所以你可以将字典转换成一个Series数据类型，如下：
Series的索引可以通过按照位置赋值的方式进行改变，如下：
DataFrame数据类型
DataFrame表示的是矩阵的数据表，它包含已排序的列集合，每一列可以是不同的值类型，DataFrame既有行索引也有列索引，是一个以上的二维块
首先，我们创建一个DataFrame数据，可以通过数组的字典来形成，如下：
如果你只想选择数据的前五行，可以使用head方法，如下：
你可以指定列的顺序，通过columns参数，如下：
可以选择其中，你需要的列，有两种选择方式，一种是通过字典型标记，一种是通过属性，如下：
通过字典型标记选择state列：
通过属性选择year列：
也可以通过loc属性选择行，如下：
通过赋值一个没有列的名称，同时创建新列，如下：
如果要删除一列，可以通过del关键字删除，如下：
2、基本功能
重建索引
reindex是panda对象的重要方法，如下例子：
轴向上删除条目
通过drop属性删除条目，如下：
索引、选择、过滤
Series的索引和NumPy数组索引的功能类似，如下：
对于DataFrame类型的数据，可以通过loc和iloc属性进行选择，如下：
算术和数据对齐
两个同样的DataFrame类型数据，可以进行算术运算，如下：
排序和排名
通过sort_index和sort_values方法实现排序，一个是通过索引排序，一个是通过内容排序，如下：
当对DataFrame排序时，可以使用一列或多列作为排序键，这个时候，通过可选参数by，如下：
通过rank函数来实现排名，如下：
3、描述性统计的概述与计算
唯一值：unique
计数：counts
具体代码示例如下：
以上，就是本章讲解的重点内容，祝学习愉快！
以下链接，可以供你了解这个系列学习笔记的所有章节最新进度