这里所说的pandas并不是大熊猫，而是Python的第三方库。这个库能干嘛呢？它在Python数据分析领域可是无人不知、无人不晓的。可以说是Python世界中的Excel。
pandas库处理数据相比于Excel，有一个极大的优点：数据和处理逻辑是分离的。基于这一点，便可以实现Excel数据处理的自动化，对于重复繁琐的数据分析，pandas一次编写脚本便“终身受益”。反观Excel，遇到重复的任务还得一遍一遍地输入公式、拖动填充柄。
pandas处理Excel数据的基本流程
从基本流程来看，这个数据处理过程，就是对原数据进行加工，生成新数据的过程。原始Excel文件就像是原材料，生成Excel文件就像是新产品。而pandas中就是这个加工厂，加工厂的处理逻辑就是根据具体需求来编写的代码。可以从下面的实例中来理解这过程。
实例演示
实例需求描述：
视频演示：
pandas中的常用方法简介
一、读取Excel文件
import pandas as pddf = pd.read_excel(io,header=0)
常用参数介绍：
io:需要传入Excel文件的路径。该参数没有默认值，不能为空
header:可以指定从Excel中的哪一行开始读取数据。默认为0，从第一行开始。
二、数据处理
DataFrame类型
DataFrame是pandas库中的重要数据类型，可以叫做：数据框，好比放数据的架子，由行和列组成。其实跟Excel工作的表很类似，都是二维的。
筛选
简单的数据筛选，只需要输入列名，也叫“键”
计算
按照年龄分类：cut()函数
三、写入Excel文件
df.to_excel("./生成的Excel文件名.xlsx")
第一个参数：生成的Excel文件路径。
df.to_excel("./生成的Excel文件名.xlsx")
第一个参数：生成的Excel文件路径。
index：生成的Excel文件中是否需要index列，默认为True
