PanDas库是Python中的一个强大的数据处理库，它提供了高效的数据分析方法和数据结构。

相比于其他的数据处理库，pandas更适用于处理具有关系型数据或者带标签数据的情况，在时间序列分析方面也有着不错的表现。

代码

# pip install pandas
import pandas as pd

# 例1、保存文件和读取文件
print('例1、保存文件和读取文件')
# 1. 创建Series
df = pd.DataFrame({
    'name': ['张三', '李四', '王五'],
    'age': [22, 21, 20],
    'sex': ['男', '女', '男']
})

# 2. 保存文件
df.to_csv('data.csv', index=False)  # index=False 不保存索引

# 3. 读取文件
new_df = pd.read_csv('data.csv')
print(new_df)
print()

# 例2、合并两个DataFrame，类似数据库的join
print('例2、合并两个DataFrame，类似数据库的join')
df1 = pd.DataFrame({
    'name': ['张三', '李四', '王五'],
    'age': [22, 21, 20]
})
df2 = pd.DataFrame({
    'name': ['张三', '李四', '王五'],
    'sex': ['男', '女', '男']
})
df3 = pd.merge(df1, df2, on='name')  # 合并两个DataFrame, on指定合并的列
print(df3)
print()


# 例3、垂直叠加两个DataFrame，类似 union
print('例3、垂直叠加两个DataFrame，类似 union')
df4 = pd.concat([df1, df2], axis=0)  # axis=0表示垂直叠加
print(df4)

运行结果

例1、保存文件和读取文件
  name  age sex
0   张三   22   男
1   李四   21   女
2   王五   20   男

例2、合并两个DataFrame，类似数据库的join
  name  age sex
0   张三   22   男
1   李四   21   女
2   王五   20   男

例3、垂直叠加两个DataFrame，类似 union
  name   age  sex
0   张三  22.0  NaN
1   李四  21.0  NaN
2   王五  20.0  NaN
0   张三   NaN    男
1   李四   NaN    女
2   王五   NaN    男