请解释 Pandas 在 Python 数据分析中的定位，并说明 DataFrame 与 Series 两种数据结构的核心差异以及它们在数据处理中的各自适用场景。

回答思路

1. 【回答框架 1】Pandas 是基于 NumPy 构建的 Python 数据分析库，提供高性能、易用的数据结构和数据分析工具，核心是 Series 和 DataFrame 两种数据结构。
2. 【回答框架 2】Series 是一维带标签的数组，由索引和值组成，索引可以是整数、字符串等，类似带标签的一维数组或字典，适合处理单列数据。
3. 【回答框架 3】DataFrame 是二维表格型数据结构，由多个 Series 按列组合而成，拥有行索引和列索引，可以看作共享相同索引的 Series 字典，适合处理多列关联数据。
4. 【回答框架 4】区别上，Series 处理一维数据，DataFrame 处理二维数据；Series 只有行索引，DataFrame 同时有行索引和列索引；DataFrame 的每一列本质上是一个 Series。
5. 【回答框架 5】实际使用中，读取单列数据时返回 Series，进行多列分析时使用 DataFrame。DataFrame 可以方便地通过列名进行选取、过滤、聚合等操作，而 Series 更聚焦于单列运算，两者可以通过 to_frame 或 squeeze 等方法互相转换。
6. 【关键点 1】Pandas 是数据分析和清洗的核心库，底层基于 NumPy。
7. 【关键点 2】Series 是一维带标签数组，DataFrame 是二维表格，由多个 Series 构成。
8. 【关键点 3】DataFrame 拥有行和列两个索引，Series 仅有一个索引。
9. 【关键点 4】DataFrame 的列操作返回 Series，两者可相互转换。
10. 【易错点 1】混淆 DataFrame 的列选择和行选择，列选择返回 Series，行选择返回 DataFrame。
11. 【易错点 2】忽视索引对齐特性，Series 和 DataFrame 运算时索引不一致可能导致 NaN。