pandas提供了构建在NumPy之上的高级数据操作工具。NumPy本身是一个相当低级的工具，类似于MATLAB。另一方面，pandas提供了丰富的时间序列功能、数据对齐、na友好的统计数据、groupby、合并和连接方法以及许多其他便利。近年来，它在金融应用中变得非常流行。在我即将出版的书中，我将有一章专门介绍使用熊猫进行金融数据分析。

Pandas提供了一种操作表的好方法，因为您可以轻松地进行分箱(在Python中对Pandas中的数据框架进行分箱)并计算统计信息。pandas的另一个优点是Panel类，您可以使用groupby函数连接具有不同属性的一系列层并将其组合。

pandas提供了构建在NumPy之上的高级数据操作工具。NumPy本身是一个相当低级的工具，类似于MATLAB。另一方面，pandas提供了丰富的时间序列功能、数据对齐、na友好的统计数据、groupby、合并和连接方法以及许多其他便利。近年来，它在金融应用中变得非常流行。在我即将出版的书中，我将有一章专门介绍使用熊猫进行金融数据分析。

pandas需要Numpy(以及几乎所有用于Python的数值工具)。Scipy不是熊猫的严格要求，但被列为“可选依赖项”。我不会说熊猫是Numpy和/或Scipy的替代品。相反，它是一个额外的工具，提供了一种更精简的方式来处理Python中的数值和表格数据。您可以使用pandas数据结构，但可以自由地使用Numpy和Scipy函数来操作它们。