在学习了NumPy的数值计算之后，我们现在开始关注结构化数据的管理和处理，这是任何机器学习项目中的一项基本任务。实际数据很少是干净的或为分析而完美格式化的。本章介绍Pandas库，它是Python中用于数据规整的标准工具。

您将了解Pandas的核心数据结构：一维的 Series 和二维的 DataFrame，它们提供了处理表格数据的强大且灵活的方法。我们将介绍以下主要操作：

• 从各种文件格式（例如CSV、Excel和SQL数据库）加载数据。
• 使用索引方法（例如.loc和.iloc）选择数据子集。
• 识别和处理缺失值的方法。
• 清洗、转换和重塑数据集的方法。
• 使用groupby进行分组分析和聚合。
• 通过合并、连接和拼接组合来自多个来源的数据。
• 有效地处理时间序列数据。

学习完本章后，您将能够使用Pandas高效地准备各种数据集，以进行分析和机器学习模型构建。