前言
1、Python的Pandas是一个基于Python构建的开源数据分析库，它提供了强大的数据结构和运算功能。
2、
Series：一维数组，类似于Numpy中的一维array，但具有索引标签，可以保存不同类型的数据，如字符串、布尔值、数字等。
DataFrame：二维表格型数据结构，与SQL表或Excel工作表类似，每列可以是不同的数据类型（如数值、字符串或日期），并且具有列名和行索引。DataFrame是Pandas的核心数据结构，提供了丰富的数据操作方法。
接下来我们将逐步介绍他的用法
一、导入Pandas库
简写为pd
import pandas as pd二、使用Series，创建一维数组
从0开始存储
三、index查看下标，values查看下标的值
注意：不知道标签和下标的区别请看目录五的解释
1、index的输出类似于range：
start代表起始标签；stop代表结束标签（不会到这个值，到n-1值）；step代表步长。
2、valuses:
直接查看下标的值，记得是重0开始的值
四、使用index指定标签
注意：可以看到数组中1的标签不是默认值0了，而是标签5，如果利用想输出下标0，这时候会报错，我们要使用到 “iloc“ and ” loc“，请看五
五、iloc and loc的使用
解释：
1、iloc是原下标，也就是默认值，计算机的记忆
2、loc是修改过的下标，我们把他叫作标签，标签是由我们自主给的，计算机并不会自己产生
可以看到计算机的下标1的值是2
可以看到我们给的标签1的值是5
六、创建对象
1、这里的我们所理解的键其实就是数据的标签，大部分的人可能会理解为这里是一个字典或者一个数组，其实都不是，是一个一维数据
2、什么是键？如果不知道，就需要回头学习python基础了。
键是字典的一个解释，前键后值，称为键值对，如下的：“键”：值
3、修改数据
使用loc，找标签“小张”让他的值等于95，可以看到被修改了
4、筛选数据
这里的&就是python，and的意思
七、两个数据相加、相减、相乘、相除
1、相加——add
可以看到需要链接s1，如果没有s1，那会导致数据相加错误，出现NaN；
这个时候，我们应该使用add：
在s1的基础上add（s2，fill_value = “如果出现没有值的情况，以0代替”）
2、相减——sub
3、相乘——mul
4、相除——div
八、求最大值、最小值、求和值、平均值
九、describe() —— 数据分析方法
十、apply() —— 定义函数判断数据
apply（）对数据批量处理
十一、DataFrame —— 创建二维数组
十二、修改标签
标签名要统一，否则会报错；但是可以缺少，但数据也要缺少，一一对应
特别：标签会自动排序好
十二、查看标签（行属性）
十三、查看列属性
十四、查看数据
十五、数据颠倒——行列调换
十六、提取数据（列）
1、查看班级数据
2、查看成绩数据
3、查看学号和成绩，这里我们需要再加一个【】，如果不加会报错
十七、提取数据（行）
注意：loc和iloc的区别
十八、切片操作
1、标签切片
2、下标切片
注意：3是终止，并不会执行，如果想小红到小丽，需要 [1:4]
3、行列切片——标签
4、行列切片——下标
十九、筛选——判断、提取数据
1、单单判断数据，输出布尔值
2、判断完数据并提取数据，输出数据
二十、查看前几行数据——数据量庞大可使用
注意:如果head（）不输入任何的值，那他的默认值为5，输出前5行数据
二十一、drop搭配axis用法
我们先导入要使用的数据
添加考试4的数据
drop：就是删除的意思
axis：用来指定是行还是列
可以看到删除了行的002和004
可以看到删除了列的考试2和考试4
二十二、两个数据相加
1、student的数据请看目录二十一
2、先定于一个数据bonus，让他们两个相加
3、注意：运行一次相加一次；标签要一一对应，否则会导致数据错误。
相加完之后不会改变原数据，如果需要改变原数据，全部都是要重新赋值
实现重新赋值，以考试4位例
二十三、案例实操——求出平均值
mean（axis=1）：求平均值每一行。
这里可能会导致理解冲突，上面解释axis=0代表行，axis=1代表列，但是mean（axis=1）为什么代表的是行？？？请看下面的解释
可以理解为如果被包含，则方向相反。
行对列操作
列对行操作
二十四、案例实操——筛选出第二大的数据
1、loc[:,"考试1":"考试3"] 其实就是 loc["001":"006","考试1":"考试3"]
2、lambda x：定义匿名函数x
3、np.sort(x)：使用numpy库的sort方法，进行升序
4、np.sort(x)[-2]：升序完后提取倒数第二个值，也就是第二大的值，然后返回匿名函数x
