在网络上的Pandas教程中，很多都提到了如何使用Pandas将已有的数据（如csv，如hdfs等）直接加载成Pandas数据对象，然后在其基础上进行数据分析操作，但是，很多时候，我们需要自己创建Pandas数据对象，并填入一些数据，常见的应用场景如：我们想要将现有的数据进行处理，并生成一个新的Pandas数据对象，还有，我们想利用Pandas的数据保存功能（比如to_csv, to_json, to_hdf等等）把我们采集到的数据写入到IO里边，因此掌握Pandas对象的特性，以及如何创建也是很重要的。因此在本篇文章中，我们主要侧重于介绍Pandas数据结构本身的特性，以及如何创建一个Series或者DataFrame数据对象，并填入一些数据。 在 利用Pandas索引和选取数据 这篇文章中我们对如何使用Pandas导入已有数据，并索引和操作这些数据进行了详细介绍，那是基于已有的数据并直接导入成了Pandas的数据格式，其实有些时候我们需要利用pandas数据结构创建自己的对象，按自己的方式保存新数据，我们将在本文中介绍如何实现。

使用Pandas做数据分析的时候，用的最多的功能恐怕就是对于数据集的索引，选组数据子集。Pandas库提供了很多非常实用的方法，了解并熟练使用这些方法而不是用for循环的方法将会事半功倍。在这一篇文章中，我们将着重介绍这些方法。 我们将使用2019年全国新能源汽车的销量数据作为演示数据，数据保存在一个csv文件中，读者可以在GitHub仓库下载到 https://github.com/pythonlibrary/practice-pandas-skills.git 本篇文章中会使用到两个库pandas 和 numpy，确保它们都正确的安装，而工作环境则使用jupyter notebook，如果有需要学习如何搭建环境的，可以阅读 数据科学家的一种工作环境 – virtualenv和Jupyter Notebook。