No coração da biblioteca Pandas está o data frame, que torna o uso do framework Pandas interoperável do ponto de vista do desenvolvimento de habilidades. Aprender os métodos no Pandas não será valioso apenas dentro do Python, mas você pode rapidamente transferir seu conhecimento do framework para R ou até mesmo Spark (para aplicações de big data). Além disso, o próprio framework implementado em Python é benéfico para análise de dados, fornecendo inúmeras funções auxiliares no objeto data frame, que incluem métodos de agregação, métodos de cálculo estatístico padrão e funcionalidades práticas de junção/mesclagem e subsetting que todos os analistas de dados provavelmente usarão. Além disso, ele é construído sobre o Numpy para fácil transferência entre esses tipos para trabalhos mais pesados/reais ou até mesmo elevando-o a um nível mais alto de abstração para mais trabalhos de visualização de dados/comunicações/análise.

Para realizar operações matemáticas Propósito de análise

Implementações otimizadas prontas para cálculos estatísticos básicos, como medidas de tendência central e quantis.