یکی دیگر از محبوب‌ترین کتابخانه های پایتون برای هوش مصنوعی، کتابخانه Pandas است که از آن در علم داده و تحلیل داده به وفور استفاده می‌شود. کتابخانه Pandas بر پایه کتابخانه NumPy ساخته شده است و با کمک آن می‌توان داده‌های مورد نیاز الگوریتم های هوش مصنوعی را آماده کرد. کتابخانه Pandas از دو نوع ساختار داده یک بعدی (سری‌ها) و دو بعدی برای ذخیره‌سازی داده‌ها استفاده می‌کند که کار با آن‌ها سریع و آسان است و به راحتی می‌توان تغییرات مختلفی را بر روی داده‌ها اعمال کرد.

کتابخانه Pandas انعطاف‌پذیر است و می‌توان آن را در کنار سایر کتابخانه‌های علمی و عددی به کار برد. به علاوه، با استفاده از این کتابخانه می‌توان داده‌ها را از منابع مختلف نظیر فایل‌های CSV ،Excel و HDFS و پایگاه داده و بانک اطلاعاتی خواند یا داده‌ها را در این نوع فایل‌ها ذخیره کرد. 

نقاط قوت Pandas

• استفاده از کتابخانه Pandas بسیار ساده است و مبتدیان می‌توانند با کمک رابط کاربری کاربرپسند آن به راحتی کارهای تجزیه و تحلیل داده را انجام دهند.
• کتابخانه پانداس بسیار انعطاف‌پذیر است و می‌توان آن را برای طیف گسترده‌ای از وظایف نظیر پاکسازی داده‌ها، دستکاری و مصورسازی داده‌ها و تجزیه و تحلیل آماری آن‌ها به کار برد.
• Pandas به عنوان یکی از کتابخانه‌های قدیمی پایتون محسوب می‌شود که به خوبی آزمایش و مستند شده است. همچنین، این کتابخانه یک جامعه بزرگ و فعال از کاربران دارد که خدمات پشتیبانی مختلفی را برای این ابزار ارائه می‌دهند.

نقاط ضعف Pandas

• سرعت کتابخانه Pandas برای برخی عملیات نظیر پردازش مجموعه داده‌های بزرگ کندتر از سایر کتابخانه‌ها است.
• کتابخانه پانداس ممکن است برای کارهای پیچیده مانند پردازش مجموعه داده‌های بزرگ حافظه زیادی مصرف کند.
• کتابخانه پانداس تا حد زیادی به کتابخانه NumPy وابسته است و برای کار با آن باید از امکانات NumPy نیز استفاده کنید
• افراد مبتدی که تجربه تجزیه و تحلیل داده را ندارند، ممکن است در زمان یادگیری کتابخانه پانداس با مشکل مواجه شوند و مفاهیم و کار با این ابزار برایشان سخت باشد.