对齐措辞可能有点笨拙-它们的意思是，在pandas中，行由索引列（标签）中的类似值关联，这些值可能不是简单数字顺序的整数0，1，2等。
在numpy中，没有显式索引。指定索引时，numpy会根据所包含对象的大小及其维度进行简单计算，以定位值在内存中的位置。
假设我有来自几个来源的关于农场动物的信息，但是这些来源以不同的顺序列出了动物。Pandas将通过索引（标签）中的值匹配Series值。“cows”会转到另一个数组中的“cows”，而不管位置如何。
Pandas

import pandas as pd
df1 = pd.Series([1,2,3,4], 
    index=["cows", "pigs", "horses", "goats"])
df2 = pd.Series([1,2,3,4], 
    index=["goats", "horses", "pigs", "cows"])
print("series")
print(df1 + df2)

输出

series
cows      5
goats     5
horses    5
pigs      5
dtype: int64

numpy将丢失命名动物与其值之间的关联，并将天真地执行基于位置的操作。

import numpy as np
arr1 = np.array([1,2,3,4])
arr2 = np.array([1,2,3,4])
print("array")
print(arr1 + arr2)

输出

array
[2 4 6 8]

numpy通常更快，而pandas功能更丰富。