Pandas是一款适用很广的数据处理的组件，如果将来从事机械学习或者数据分析方面的工作，咱们估计70%的时间都是在跟这个框架打交道。那大家可能就有疑问了，心想这个破玩意儿值得花70%的时间吗？咱不是还有很牛逼的Tensorflow, keras,神经网络，classification等等这些牛逼的技术（词汇）都没学习呢，咋突然冒出来一个pandas就要在机器学习中占了大部分精力去处理呢？其实啊，同学们，什么TensorFlow， Keras，神经网络， 随机森林啥的，看起来牛气哄哄的高大上的词汇，其实都是纸老虎，那些大部分都是封装的的接口，在实际应用的开发中，基本都是固定模式，主要就是调调参数而已（真正的底层算法研究的除外哈），当然这并不是你懒惰的理由，你至少还是要了解算法原理的，譬如：gradient descent，求偏导等这些基本的概念咱们这些小白还是得有滴。其实咱们在机器学习的应用开发中，绝大部分是在做数据处理的工作，因而数据处理工作的质量直接就关系到咱们整个应用的质量，所以这是我们在机器学习中的重中之重，请大家务必重视，下面的每一行代码，最好大家都要有实践才行。因为Pandas的内容非常多，所以这篇博文的篇幅会很长很长。。。。。。。。。。。。哈哈，大家有点耐心哈。还有一点，这一节的内容是后面feature engineering（特征工程）的基础，你们如果有心要从事机器学习，你们也必须要吃透这节内容的每一个知识点（很残酷的现实，对不对，，哈哈，逃不掉的）。
Dataframe 和 Series 的结构分析和创建
首先，pandas中最重要的两个组成部分就是Dataframe and series。 关于Dataframe咱们就可以把它看成一个table（既有row index也有column name 和 values， 其本质是一个字典dictionary，具体为什么，要看下文的分析）。而series比dataframe的结构还要简单，她其实就是只有一列数据，而且他的这一列还是没有column name的，她只有这一列的values，因而在结构上series只有row index和values，series的本质是一个list，具体为什么是list，也是看下面的创建过程。好了，那咱们先自定义一个dataframe，如下所示：
#dataframe allows different index other than 0,1,2,3,4 pd.DataFrame({'A':[434,54],'B':[4,56]},index = [1,2])