要说Python里使用最多的第三方库，我提名Pandas估计十拿九稳，本身为了处理金融数据才开发出的Pandas，变成了Python中最受欢迎的数据处理工具，堪比编程中的Excel。
现在Pandas已经更新到2.3.3版本，可以稳定支持Apache Arrow数据类型，你会发现pandas的功能越来越多，所以有人吐槽pandas在使用时语法感觉很乱。
Pandas确实因为方法函数众多，光读取数据read()方式就有十几种，而且同一个数据处理场景同时有好几个方法可实现，比如拼接函数merge()和join()，导致使用起来有杂乱的感觉，特别是对于初学者，这种感觉尤为强烈。
Pandas语法复杂不是设计层面有问题，主要是因为它要做的事太多了，你可以把Pandas看作代码界的Excel，都是处理行列数据的工具，Excel的按钮组件不计其数，比如格式、转化、插入、透视等。
Pandas其实也需要处理同样多的事情，Excel的每一个按钮都对应Pandas的一个函数或方法，所以复杂度可见一斑。
其次Pandas还要兼顾面向对象和函数式两种编程风格，比如df.join()是面向对象风格，而pd.merge()则是函数式风格，虽然功能接近，但必须要这样设计。
因为面向对象是Python语言的核心理念，而函数式风格又能简化pandas处理数据的流程，所以Pandas的API就格外的多了。
说了Pandas之所以乱的原因，相比你能理解这其中的不得已了。
想用好Pandas，其实也没那么难，你只需要掌握它的核心结构就可以，掌握了全貌就能有的放矢，遇到数据处理问题手到擒来。
Pandas有两种数据结构，DataFrame和Series，一个是二维数组，一个是一维数组，DataFame类似于Excel表格，有行和列，这是用的最多的数据形式。
随之而来的是这两种数据结构有各种各样的方法和属性，用来处理数据，比如apply、join等。
在这两种数据结构的方法之外，Pandas又有顶级函数，方便直接处理数据，一般都是pd.xx形式调用，比如pd.merge()、pd.concat() 。
所以你会发现Pandas能处理的工作非常多，一定要找对方法，了解它的语法结构，就像Excel每个功能板块一样，一旦熟悉了就会发现pandas非常好用。