Pandas有兩種數據結構：Series和DataFrame。

1、Series

　　Series類似於一維數組，和numpy的array接近，由一組數據和數據標簽組成。數據標簽有索引的作用。數據標簽是pandas區分於numpy的重要特征。索引不一定是從0開始的數字，它可以被定義。

　　Series有自動對齊索引的功能，當自定義的索引qinqin和字典隊員不上時，會自動選擇NaN，即結果為空，表示缺失。缺失值的處理會在後續講解。

2、DataFrame

　　Series是一維的數據結構，DataFrame是一個表格型的數據結構，它含有不同的列，每列都是不同的數據類型。我們可以把DataFrame看作Series組成的字典，它既有行索引也有列索引。想象得更明白一點，它類似一張excel表格或者SQL，只是功能更強大。

　　在構建DataFrame時，最最最常用的就是先創建一個data，data一般可以是字典和數組，再用a=DataFrame(data)來轉換為DataFrame結構。在DataFrame（data）時也可以同時傳入index和columns參數，兩個參數必須是列表型。

　　DataFrame中可以通過info函數直接查看數據類型和統計。列名後面是列的非空值統計量，以及數據類型，最後一行是DataFrame占用的內存大小，對於pandas來說，千萬行幾百兆的數據也是不再話下的。

1).構建DataFrame最常見的方法是傳入一個由等長列表或數組組成的字典：
例如：
    data
 
={
              ‘name‘:[‘bon‘,‘kate‘,‘jun‘,‘sam‘],
              ‘stature‘:[‘102‘,‘112‘,‘136‘,‘90‘],
              ‘grade‘:[‘70‘,‘76‘,‘98‘,‘88‘]
          }
    frame=DataFrame(data)
DataFrame會自動加上索引，得到的結果為：
         name        stature        grade
0        bon          102            70
1        kate         112            76
2        jun          136            98
3        sam          90             88


2).也可以為DataFrame指定索引

    frame2
 
=DataFrame(data,columns=[‘name‘,‘grade‘,‘stature‘,‘birthdate‘],
                     index=[‘one‘,‘two‘,‘three‘,‘four‘])

跟Series中一樣若在對應的列中找不到數據，就會產生缺失值NaN.
           name        grade       stature     birthdate
one        bon          70          102          NaN
two        kate         76          112          NaN
three      jun          98          136          NaN
four       sam          88          90           NaN

3).取值和賦值
  查看列：可用類似字典的方式獲取一個Series(即一個列的值)，如：frame2[‘name‘]；
  查看行：可用索引字段ix來獲取某行的值，如：frame2.ix[‘three‘]；
  可用frame2[‘birthdate‘]=1990來直接對某一列進行賦值；

4).刪除某一列的值
    del frame2[‘name‘]

5)將嵌套型字典轉化為DataFrame型時，外層的鍵作為列，內層的鍵作為行索引
例如：
    data={
          ‘newyork‘:{‘2001‘:51,‘2002‘:76},
          ‘houston‘:{‘2001‘:49,‘2002‘:90},
          }
  DataFrame(data)得到結果為：
           newyork     houston      
  2001       51          49    
  2002       76          90

　　pandas中可以用query函數以類SQL語言執行查詢。query中可以直接使用列名。

Python — pandas