和幾乎所有的Python包一樣，pandas也可以通過pip進行安裝。如果你裝過Anaconda套件的話，那么像是numpy、pandas等庫已經(jīng)自動安裝好了，如果沒有安裝過也沒有關(guān)系，我們使用一行命令即可完成安裝。

pip install pandas復(fù)制代碼

和Numpy一樣，我們在使用pandas的時候通常也會給它起一個別名，pandas的別名是pd。所以使用pandas的慣例都是：

import pandas as pd復(fù)制代碼

如果你運行這一行沒有報錯的話，那么說明你的pandas已經(jīng)安裝好了。一般和pandas經(jīng)常一起使用的還有另外兩個包，其中一個也是科學(xué)計算包叫做Scipy，另外一個是對數(shù)據(jù)進行可視化作圖的工具包，叫做Matplotlib。我們也可以使用pip將這兩個包一起安裝了，在之后的文章當(dāng)中，用到這兩個包的時候，也會簡單介紹一下它們的用法。

pip install scipy matplotlib復(fù)制代碼

在pandas當(dāng)中我們最常用的數(shù)據(jù)結(jié)構(gòu)有兩個，一個是Series另外一個是DataFrame。其中series是一維數(shù)據(jù)結(jié)構(gòu)，可以簡單理解成一維數(shù)組或者是一維向量。而DataFrame自然就是二維數(shù)據(jù)結(jié)構(gòu)了，可以理解成表或者是二維數(shù)組。

我們先來看看Series，Series當(dāng)中存儲的數(shù)據(jù)主要有兩個，一個是一組數(shù)據(jù)構(gòu)成的數(shù)組，另外一個是這組數(shù)據(jù)的索引或者是標(biāo)簽。我們簡單創(chuàng)建一個Series打印出來看一下就明白了。

這里我們隨意創(chuàng)建了一個包含四個元素的Series，然后將它打印了出來。可以看到打印的數(shù)據(jù)一共有兩列，第二列是我們剛才創(chuàng)建的時候輸入的數(shù)據(jù)，第一列就是它的索引。由于我們創(chuàng)建的時候沒有特意指定索引，所以pandas會自動為我們創(chuàng)建行號索引，我們可以通過Series類型當(dāng)中的values和index屬性查看到Series當(dāng)中存儲的數(shù)據(jù)和索引：

這里輸出的values是一個Numpy的數(shù)組，這并不奇怪，因為我們前面說了，pandas是一個基于Numpy開發(fā)的科學(xué)計算庫，Numpy是它的底層。從打印出來的index的信息當(dāng)中，我們可以看到這是一個Range類型的索引，它的范圍以及步長。

索引是Series構(gòu)建函數(shù)當(dāng)中的一個默認參數(shù)，如果我們不填，它默認會為我們生成一個Range索引，其實也就是數(shù)據(jù)的行號。我們也可以自己指定數(shù)據(jù)的索引，比如我們在剛才的代碼當(dāng)中加入index這個參數(shù)，我們就可以自己指定索引了。

當(dāng)我們指定了字符類型的索引之后，index返回的結(jié)果就不再是RangeIndex而是Index了。說明pandas內(nèi)部對數(shù)值型索引和字符型索引是做了區(qū)分的。

有了索引，自然是用來查找元素用的。我們可以直接將索引當(dāng)做是數(shù)組的下標(biāo)使用，兩者的效果是一樣的。不僅如此，索引數(shù)組也是可以接受的，我們可以直接查詢?nèi)舾蓚€索引的值。

另外在創(chuàng)建Series的時候，重復(fù)的索引也是允許的。同樣當(dāng)我們使用索引查詢的時候也會得到多個結(jié)果。

不僅如此，像是Numpy那樣的bool型索引也依然是支持的：