pandasy与numpy概念对比

NumPy 是 Python 中最流行、最常用的数值计算库之一，它提供了高效的多维数组（ndarray）对象以及对这些数组进行操作的函数和方法。NumPy 主要用于科学计算、数据分析和机器学习等方面。

Pandas 是基于 NumPy 的一个数据分析库，它主要提供了 Series 和 DataFrame 两种数据结构来处理表格化和异构数据。Pandas 能够直接读写多种格式的文件，如 CSV、Excel、SQL、NoSQL 等，可以进行数据的清洗、处理、分析和可视化等操作。

同：Pandas 和 NumPy 是两个在 Python 数据科学领域广泛使用的库，它们都提供了高效处理数据集的工具和方法。

异：

NumPy 主要关注数值计算和科学计算，而 Pandas 则更加注重数据整理和分析。与 ndarray 相比，Pandas 的 Series 和 DataFrame 具有更多的特性，可以进行更灵活、更方便的数据处理和操作。

合：

Pandas 也大量采用了 NumPy 的函数和方法，因此两个库经常被一起使用

Series是一维标签数组，类似带标签的NumPy，只能用于一维数据处理

DataFrame是二维表格型数据结构，每一列的数据类型可以不同，DataFrame 中的每一列都是一个 Series

Series会基于标签自动对齐

在 Series 中，索引通常是一个带标签的一维数组，其中每个标签对应一个值。Series 的索引有两种形式：位置索引和标签索引。位置索引使用数字来表示，从 0 开始；标签索引使用自定义的标签来表示，可以是字符串、日期等类型。可以使用 loc 方法来基于标签索引获取数据，使用 iloc 方法来基于位置索引获取数据。

在 DataFrame 中，索引是一个二维的结构，包括行索引和列索引。行索引类似于 Series 的标签索引，用于定位行；而列索引是用于访问和处理 DataFrame 中存储的数据列。与 Series 类似，DataFrame 也支持位置索引和标签索引的方式来访问数据。可以使用 loc 进行基于标签的行索引和列索引获取数据，使用 iloc 进行基于位置的行索引和列索引获取数据。

NumPy 提供了 N-dimensional array (ndarray) 对象，是一个通用数据容器，可以用它来存储和操作大型多维数组。ndarray 是一个固定大小、由相同数据类型元素组成的多维数组。

array是一个通用概念，对应在numpy就是ndarray。

参考：http://pandas.pydata.org/pandas-docs/stable/getting_started/comparison/comparison_with_sql.html

sql的select在pandas中就是给DataFrame传递列名的一个列表…

因为标签产生的，数据对齐特性