Pandas:
Pandas提供了强大的数据结构和数据分析工具，特别是其DataFrame数据结构，非常适合用于数据清洗和整理
例如，可以使用Pandas的dropna()函数删除包含缺失值的行或列，这是数据清洗的重要步骤。此外，Pandas还支持数据类型转换、异常值处理等数据清洗任务，以及时间序列图、柱状图和折线图等基本数据可视化方法
NumPy
专注于数值计算，提供了高效的数组操作功能，适用于大规模数值数据的清洗和预处理
两者的主要区别在于：
Pandas更侧重于数据分析和处理，提供了丰富的数据操作和分析功能，而NumPy更侧重于数值计算，提供了高效的数组操作功能。
Pandas的DataFrame是基于NumPy数组构建的，这意味着Pandas在处理表格数据时，底层仍然是使用NumPy数组进行存储和计算。
Pandas提供了更多的数据可视化功能，而NumPy主要关注数值计算，不直接提供数据可视化功能。