Библиотека Pandas для анализа данных работает следующим образом: предоставляет множество функций для загрузки и обработки данных из различных источников. 2 С её помощью можно анализировать любую информацию, исследовать её характеристики и особенности, а также преобразовывать данные в нужный формат для дальнейшего использования. 2

Некоторые возможности Pandas:

• Импортирование наборов данных из баз данных, электронных таблиц, CSV-файлов и т. д.. 3
• Очистка наборов данных, например, устранение пропущенных значений. 3
• Упорядочивание наборов данных путём преобразования их структуры в формат, пригодный для анализа. 3
• Агрегация данных, вычисление сводной статистики, например, среднее значение столбцов, корреляцию между ними и т. д.. 3
• Визуализация наборов данных в виде наглядных таблиц, графиков и диаграмм. 2

В Pandas есть две основные высокоуровневые структуры данных — DataFrame и Series. 2 DataFrame — это двумерная табличная структура данных. 2 Каждый столбец в таблице может содержать данные различного типа (числа, строки, булевы значения и т.д.). 2 Series — это одномерный массив данных с метками. 1 Он может хранить различные типы данных, включая числа, строки и произвольные объекты Python. 1

Для работы с Pandas обычно используют специальную среду разработки — Jupyter Notebook. 4