1.series

series 相当于python里面的列表，说实话，使用pandas的话，series这个格式用的频率很低，反正我是这样。
但是这个比list还是好用一些的。例如：

import pandas as  pd

a=pd.Series([1,3,4,5,6])

print(a[a>3])

print(a*2)

很方便
python里面的字典也可以做Series

b={'haha':111,'wawa':666}

obj_series=pd.Series(b)

print(obj_series)
打印结果
haha    111
wawa    666
dtype: int64

两个列表还可以做运算

import pandas as  pd

a=pd.Series([1,3,4,5,6])

b=pd.Series([5,6,7,8,9])

total=a+b

print(total)
0     6
1     9
2    11
3    13
4    15
dtype: int64

2. Dataframe

Dataframe是pandas非常重要的一个数据结构，你可以理解它就是excle或者MySQL的表，因为很多操作就和你操作excle差不多，当然很多操作也等于SQL语句。
1.筛选：
想象你是用excle做筛选时，先点击筛选，然后在每一列的设置筛选条件，pandas也是这样进行筛选的。

import pandas as  pd

a=pd.DataFrame([[1,2,3],[4,5,6],[7,8,9]],columns=["a","b","c"])

print(a)
print("分割线---------")
print(a["a"][(a["b"]>2)&(a["c"]<9)])
   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9
分割线---------
1    4
Name: a, dtype: int64

在上述代码中，我们进行了筛选，我们要数据a中的'a'列，但是条件是b列要大于2 并且c列要小于9，这样的条件你可以一直写，只需要中间添加&或者| 符号就行。
2.索引，
可以使用Dataframe.ix[‘索引名’]来取值