Pandas 是一个强大的 Python 库，用于数据处理和分析。它提供了两种基本的数据结构：Series 和 DataFrame。 1. Series：Series 是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。 基本操作包括： - 创建：`s = pd.Series(data, index=index)` - 访问：可以通过索引值访问元素，如 `s[0]` - 插入：`s[5] = 'new_value'` - 删除：`del s[5]` - 排序：`s.sort_values()` 2. DataFrame：DataFrame 是一个二维的表格型数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。 基本操作包括： - 创建：`df = pd.DataFrame(data, columns=columns, index=index)` - 访问：可以通过索引值访问元素，如 `df.loc[0, 'column_name']` 或者 `df.iloc[0, 0]` - 插入：`df.loc[5] = {'column1': value1, 'column2': value2}` - 删除：`df.drop(index=5, inplace=True)` - 排序：`df.sort_values(by='column_name')` - 筛选：`df[df['column_name'] > value]` - 转置：`df.T` - 合并：`pd.concat([df1, df2])` - 分组：`df.groupby('column_name').mean()` 以上只是Pandas的基本操作，实际上它的功能非常强大，包括数据清洗、统计分析、数据可视化等等。