要說Python里使用最多的第三方庫，我提名貓熊估計十拿九穩，本身為了處理金融數據才開發出的Pandas，變成了Python中最受歡迎的數據處理工具，堪比編程中的Excel。
現在Pandas已經更新到2.3.3版本，可以穩定支持Apache Arrow數據類型，你會發現pandas的功能越來越多，所以有人吐槽pandas在使用時語法感覺很亂。
Pandas確實因為方法函數眾多，光讀取數據read()方式就有十幾種，而且同一個數據處理場景同時有好幾個方法可實現，比如拼接函數merge()和join()，導致使用起來有雜亂的感覺，特別是對於初學者，這種感覺尤為強烈。
Pandas語法複雜不是設計層面有問題，主要是因為它要做的事太多了，你可以把Pandas看作代碼界的Excel，都是處理行列數據的工具，Excel的按鈕組件不計其數，比如格式、轉化、插入、透視等。
Pandas其實也需要處理同樣多的事情，Excel的每一個按鈕都對應Pandas的一個函數或方法，所以複雜度可見一斑。
其次Pandas還要兼顧面向對象和函數式兩種編程風格，比如df.join()是面向對象風格，而pd.merge()則是函數式風格，雖然功能接近，但必須要這樣設計。
因為面向對象是Python語言的核心理念，而函數式風格又能簡化pandas處理數據的流程，所以Pandas的API就格外的多了。
說了Pandas之所以亂的原因，相比你能理解這其中的不得已了。
想用好Pandas，其實也沒那麼難，你只需要掌握它的核心結構就可以，掌握了全貌就能有的放矢，遇到數據處理問題手到擒來。
Pandas有兩種數據結構，DataFrame和Series，一個是二維數組，一個是一維數組，DataFame類似於Excel表格，有行和列，這是用的最多的數據形式。
隨之而來的是這兩種數據結構有各種各樣的方法和屬性，用來處理數據，比如apply、join等。
在這兩種數據結構的方法之外，Pandas又有頂級函數，方便直接處理數據，一般都是pd.xx形式調用，比如pd.merge()、pd.concat() 。
所以你會發現Pandas能處理的工作非常多，一定要找對方法，了解它的語法結構，就像Excel每個功能板塊一樣，一旦熟悉了就會發現pandas非常好用。