熟悉Pandas的同学会知道，Pandas相当于Python中的Excel，都是基于二维表的进行数据处理分析，不同的是，Pandas基于代码操作数据，Excel是图形化的分析工具。
不少人会问Excel比Pandas更简单，为什么还要学习Pandas呢？ 
这就好像问window和linux和谁更好，确实很难一元化的去下结论。
从程序角度说，Pandas相比Excel的优势很明显，这里说是特点更合适，因为这两者使用场景不一样，没有太多可比性。 
1、Pandas能对接Python所有的内置模块、第三方库，比如Tensorflow、Scikit-learn等，适用的场景更多。
Pandas是由于金融分析的需求被开发出来的，从一个单一的数据处理库，变成了链接Python数据科学生态的基础库。所以从事Python数据科学，一定离不开Pandas。 
2、Pandas能处理的数据量更大，几个G的数据都不成问题，而Excel最多能处理104万行。
Pandas 可以和Spark、MongoDB、Dask、hadoop、flink等大数据工具进行交互，能轻松的处理TB级别的数据。 
3、Pandas处理数据速度更快，毕竟是编程语言，不像Excel有很大的软件包，依赖硬件。
大家用过Excel也知道，但凡读取上百兆的表格，获取批量读取几十张表格，就会卡的不行，如果你的电脑再垃圾点，那叫一个痛苦。
但Pandas处理几个G，几百张的Excel表格，分分钟的事，也不会太挑电脑，普通办公电脑也能跑的飞起。 
4、Pandas能更方便地实现自动化，你只要写个脚本能自动读取、处理、导出、数据，比Excel VBA更强大。
5、Pandas与数据库地交互更方便，Python提供了几乎所有数据库驱动工具，比之Excel更完善。 
无论是MySQL、Oracle、PostgreSQL，还是云数据平台，Pandsa都可以连接、读取、分析、保存，实现一站式的数据库操作。 
6、Pandas可视化功能更强大，Pandas可以实现Matplotlib、Seaborn等绘图，几乎你能想到的所以图表都可以实现，相比较Excel绘图功能就比较有限。
图表可视化： 
表格可视化： 
7、Pandas能处理的数据格式也更多元化，比如csv、xlsx、json、html、stata、sas、spss、HDF5、parquet等等，Excel似乎少很多。 
8、Python在金融领域使用频率非常高，几乎可以处理所有的金融数据问题，Pandas开发者就是基金公司量化分析师，觉得python处理数据比较麻烦，就顺手开发了pandas，python也成为金融分析最火的编程语言。
Pandas在其他数据科学领域应用也非常多，相关配套的库层出不穷，可以去研究研究。
其他还有很多区别于Excel的功能，但还是要说一句，两者没法比较。
就像高铁明明比汽车更快，为什么我们还是更多的坐汽车呢。
Excel就像汽车随处可见，每个人都能随时随地使用Excel处理数据，但Pandas就像高铁，使用地场景较为有限，门槛也相对较高。
Pandas被设计的目的不是为了取代Excel，而是为了让Python在处理数据时更简洁和直观。
Pandas用二维数据面板代替传统的list、array，而且把像去重、分组、聚合等高级功能封装成函数，让你就像在操作Excel一样，在Python中去处理数据。
Pandas数据格式就像是个面板，由行、列、索引、元素组成，它提供了大量的函数、方法来处理这个面板。
