前言
Pandas 是基于 Python 构建的开源数据分析库，提供了强大的数据结构和运算功能。理解其核心对象是上手的关键：
- Series：一维数组，类似 Numpy 的一维 array，但带有索引标签，可存储字符串、布尔值或数字。
- DataFrame：二维表格型结构，类似 SQL 表或 Excel，每列数据类型可不同，拥有列名和行索引，是 Pandas 的核心。
接下来我们逐步拆解它的用法。
导入 Pandas 库
通常简写为 pd，这是约定俗成的规范。
import pandas as pd
Series 基础创建
默认情况下，Series 从索引 0 开始存储数据。
s = pd.Series([1, 2, 3])
print(s)
输出结果会显示索引（0, 1, 2）和对应的值。理解索引（Index）和值（Values）的区别很重要。
Index 与 Values 查看
- index：返回索引标签，类似于 range 对象，包含 start、stop 和 step 信息。
- values：直接获取底层的数值数组。
注意区分'标签'和'下标'。默认情况下它们重合，但自定义索引后会有区别。
自定义索引标签
我们可以指定索引标签。如果修改了标签，原来的位置索引（整数）依然存在，但访问方式需要调整。
s = pd.Series([5, 10, 15], index=['a', 'b', 'c'])
# 此时 s[0] 会报错，因为标签是 'a' 而不是 0
loc 与 iloc 的使用
这是新手最容易混淆的地方，务必分清：
- iloc：基于整数位置索引（Position），即计算机内存中的顺序记忆。
- loc：基于标签索引（Label），即我们自定义的名称。
例如，若索引被设为 ['a', 'b']，则 iloc[0] 取第一个元素，而 loc['a'] 也取第一个元素，但语义完全不同。实际开发中，推荐优先使用 loc 以保证代码可读性。
字典式创建对象
Series 本质上是一维数据，可以通过字典创建。这里的键（Key）就是数据的标签。
s = pd.Series({'小张': 90, '小李': 85})
