图片
Pandas[1]是用Python分析数据的工业标准。只需敲几下键盘，就可以加载、过滤、重组和可视化数千兆字节的异质信息。它建立在NumPy库的基础上，借用了它的许多概念和语法约定，所以如果你对NumPy很熟悉，你会发现Pandas是一个相当熟悉的工具。即使你从未听说过NumPy，Pandas也可以让你在几乎没有编程背景的情况下轻松拿捏数据分析问题。
Pandas 给 NumPy 数组带来的两个关键特性是：
异质类型 —— 每一列都允许有自己的类型
索引 —— 提高指定列的查询速度
事实证明，这些功能足以使Pandas成为Excel和数据库的强大竞争者。
Polars[2]是Pandas最近的转世（用Rust编写，因此速度更快，它不再使用NumPy的引擎，但语法却非常相似，所以学习 Pandas 后对学习 Polars 帮助非常大。
Pandas 图鉴系列文章由四个部分组成：
Part 1. Motivation
Part 2. Series and Index
Part 3. DataFrames
Part 4. MultiIndex
我们将拆分成四个部分，依次呈现～建议关注和星标@公众号：数据STUDIO，精彩内容等你来～
Part 1 Motivation
假设你有一个文件，里面有一百万行逗号分隔的数值，像这样：
图片
冒号后的空格仅用于说明问题。通常情况下，没有空格。
而你需要用NumPy对 "哪些城市的面积超过450平方公里，人口低于1000万" 这样的基本问题给出答案。
通常情况下，不推荐使用将整个表送入NumPy数组的粗暴解决方案。NumPy数组是同质类型的（=所有的值都有相同的类型），所以所有的字段都会被解译为字符串，在比大小方面也不尽人意。
虽然NumPy也有结构化数组和记录数组，允许不同类型的列，但它们主要是为了与C代码对接。当用于一般用途时，它们有以下缺点：
不太直观（例如，你将面临到处都是> np.sum([1, np.nan, 2])
nan
但使用pandas计算求和时：
>>> pd.Series([1, np.nan, 2]).sum()
3.0一个公平的比较是用np.nansum代替np.sum，np.nanmean代替np.mean，等等。突然间...
图片
对于超过一百万元素的数组，Pandas变得比NumPy快1.5倍。对于较小的数组，它仍然比NumPy慢15倍，但通常情况下，操作在0.5毫秒或0.05毫秒内完成并不重要--反正是快了。
如果你100%确定你的列中没有缺失值，那么使用df.column.values.sum()而不是df.column.sum()来获得x3-x30的性能提升是有意义的。在存在缺失值的情况下，Pandas的速度是相当不错的，对于巨大的数组（超过10⁶个元素）来说，甚至比NumPy还要好。
我们将连载个后续部分，敬请期待～
参考资料
[1]Pandas: https://pandas.pydata.org/
[2]Polars: https://www.pola.rs/
