実際、pandasはNumPyの上に構築された高レベルのデータ操作ツールを提供します。 NumPy自体はかなり低レベルのツールであり、MATLABの使用に非常によく似ています。一方、pandasは、豊富な時系列機能、データ調整、NAに優しい統計、groupby、マージおよび結合メソッド、およびその他の多くの便利さを提供します。近年、金融アプリケーションで非常に人気があります。今後の本では、pandasを使用した財務データ分析専用の章を作成します。
Numpyはpandas（およびPythonのほぼすべての数値ツール）で必要です。 Scipyはpandasには厳密には必要ありませんが、「オプションの依存関係」としてリストされています。私はpandasがNumpyやScipyに代わるものであるとは言いません。むしろ、Pythonで数値データと表データを操作するより合理化された方法を提供する追加のツールです。 pandasデータ構造を使用できますが、NumpyおよびScipy関数を自由に使用して操作できます。
パンダは、ビニングを簡単にし（ Pythonのpandasでデータフレームをビニングする ）、統計を計算できるため、テーブルを操作する優れた方法を提供します。 pandasで優れている他のことは、異なるプロパティを持つ一連のレイヤーを結合し、groupby関数を使用して結合できるPanelクラスです。