前言
Python是非常适合用于数据分析的，除了Python代码简单以外，Python还有非常多的第三方库，对于数据分析有很大帮助，今天我们就介绍一下Python进行数据分析的神器——pandas。
安装
从2019年1月1号开始，新发布的pandas将只支持Python3版本，所以我们的教程也以python3.7为例进行演示。
安装pandas和安装其他第三方库类似，只需要一条简单的命令即可，命令如下：
代码语言：text复制pip install pandas注：日常使用中，pandas通常和numpy结合使用，所以我们还需要同时安装好numpy模块。
验证安装是否成功，我们可以运行一个简单脚本验证是否安装成功，代码如下：
代码语言：python代码运行次数：0复制import pandas
print(pandas.__version__)
-------------------------------
输出结果如下：
1.3.5简单示例
下面是我们的一个简单的示例，代码如下：
代码语言：python代码运行次数：0复制import pandas as pd
dataset = {
'player': ["Bayern", "Muller", "Germany"],
'game': ['德甲', '欧冠', '欧洲杯']
}
mydata = pd.DataFrame(dataset)
print(mydata)
-----------------------
输出结果如下：
player game
0 Bayern 德甲
1 Muller 欧冠
2 Germany 欧洲杯当然，我们可以在dataset中继续添加其他内容，读取的内容也会按照一样的顺序出现，代码如下：
代码语言：python代码运行次数：0复制import pandas as pd
dataset = {
'team': ["Bayern", "Dortmond", "Germany"],
'game': ['德甲', '欧冠', '德国杯'],
'palyer': ['穆西亚拉', '格雷茨卡', '基米希'],
'enemy': ['man city', 'chelsea', 'paris']
}
mydata = pd.DataFrame(dataset)
print(mydata)
----------------------
输出结果如下：
team game palyer enemy
0 Bayern 德甲 穆西亚拉 man city
1 Dortmond 欧冠 格雷茨卡 chelsea
2 Germany 德国杯 基米希 paris注：日常工作中，我们通常在导入时将pandas导入为pd
总结
本文主要介绍了pandas的安装还有一个简单示例，我们需要注意新版本pandas不再支持Python2.x版本，后续我们将介绍pandas的数据结构。
