Python Pandas 基本概念
1、DataFrame 和 Series 的基本概念
DataFrame 和 Series 是Pandas中两种最基本的数据结构，它们为数据分析和处理提供了强大的功能。
Series 是一种一维数组结构，类似于 Python 中的列表或者 NumPy 的数组。每个 Series 对象都有一个索引（Index），用于访问其中的元素。每个 Series 可以包含不同类型的对象（整数、字符串、浮点数等）。索引是自动分配的，但也可以自定义。支持向量化操作，类似于 NumPy。可以从字典、列表或其他序列类型创建。
DataFrame 是一个二维的、表格型的数据结构，可以看作是多个 Series 的集合，或者是一个共享同一索引的 Series 对象的字典。每列可以是不同的数据类型（数值型、字符串、布尔值等）。既有行索引也有列索引。可以从多种数据源创建，如字典、二维数组、一个 Series 的字典、另一个 DataFrame 等。支持复杂的数据操作，如数据合并、重塑、分组、排序、时间序列处理等。
可以将 DataFrame 看作是 Series 对象的集合。如选择 DataFrame 的一列，结果是一个 Series。
2、不同的数据源读取数据
Python Pandas 提供了多种方法来从不同数据源读取数据，包括 CSV、Excel、SQL 数据库、JSON、HTML、HDF5、Parquet、Stata、SAS、Google BigQuery、Feather、ORC 和 Clipboard等，
使用示例：
3、查看和检查数据
可以使用 head() 和 tail() 方法分别查看数据集的前几行和最后几行，默认显示 5 行，info() 方法提供数据集的结构信息，包括每列的数据类型和非空值数量，而 describe() 方法则提供数据的统计摘要，如均值、标准差等，对于数值型列是默认的，但也可以包括所有列。
使用示例：
