https://machinelearningwithme.com/course/pandas/Recent content in Pandas 基础入门课程 on 跟我学机器学习Hugozh_CNSun, 25 Oct 2026 23:02:00 +0800https://machinelearningwithme.com/course/pandas/introduction/Sat, 24 Oct 2026 22:30:00 +0800https://machinelearningwithme.com/course/pandas/introduction/<h1 id="pandas-数据分析实战">Pandas 数据分析实战<a class="anchor" href="#pandas-%e6%95%b0%e6%8d%ae%e5%88%86%e6%9e%90%e5%ae%9e%e6%88%98">#</a></h1> <p>Pandas 是做数据分析绕不开的工具，市面上任何一个数据分析岗位的 JD 里，几乎都写着「熟练使用 Pandas」。但对刚学会 Python 的你来说，它看起来又有点吓人，因为各种类似方法名混在一起会让你觉得不知所措。</p> <p>不过好消息是：Pandas 的核心用法其实就那么几个，而且用起来非常像你熟悉的 Excel。本课程就把这几十个常用的知识点拆成 5 章，每章配 5 道练习和 10 个常见问题，带你从拿到一张表不知道从哪下手，走到能独立完成一次完整的数据清洗与汇总。</p> <blockquote class='book-hint tip'> <p><strong>小提示：</strong> 在学习过程中记不着每个方法的作用没关系，只要你跟者本课程的每一个示例动手练习一次，留下印象以后，等再次遇到的时候再回过头来查看一次就会逐渐完全掌握。</p></blockquote><h2 id="适合谁">适合谁<a class="anchor" href="#%e9%80%82%e5%90%88%e8%b0%81">#</a></h2> <ul> <li> <p>刚学完 Python 基础（会写函数、会用列表和字典），但没怎么用过 Pandas；</p> </li> <li> <p>工作中需要经常处理 Excel、CSV 数据，希望把这活儿干得又快又稳；</p> </li> <li> <p>学过一点 Pandas，但总在 <code>loc</code> 和 <code>iloc</code>、或者 <code>count</code> 和 <code>size</code> 之间反复搞混。</p> </li> </ul> <h2 id="学习前需要准备">学习前需要准备<a class="anchor" href="#%e5%ad%a6%e4%b9%a0%e5%89%8d%e9%9c%80%e8%a6%81%e5%87%86%e5%a4%87">#</a></h2> <p>只需要三样东西：</p> <ol> <li> <p>一个 Python 环境。建议 Python 3.9 及以上。</p> </li> <li> <p>装好 Pandas：</p> <div class="highlight"><pre tabindex="0" style="background-color:#f0f0f0;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-bash" data-lang="bash"><span style="display:flex;"><span>pip install pandas</span></span></code></pre></div></li> <li> <p>一个编辑器，初学者建议安装 Jupyter Notebook ，因为它是最适合跟着本文敲代码——每写一格就能立刻看到结果，不用反复 <code>print</code>。</p> </li> </ol> <p>如果对于以上内容还不熟悉的话，可以分别参见 <a href="https://machinelearningwithme.com/ml/chapter01/conda-install-tutorial/">「Conda安装教程：机器学习环境配置与使用入门」</a> 和 <a href="https://machinelearningwithme.com/ml/chapter01/ml-conda-env-setup/">「机器学习开发环境安装配置：Jupyter Notebook 与 PyCharm 使用教程」</a> 来安装 Python 和 Jupyter Notebook 。</p> <h2 id="课程结构">课程结构<a class="anchor" href="#%e8%af%be%e7%a8%8b%e7%bb%93%e6%9e%84">#</a></h2> <table> <thead> <tr> <th>章节</th> <th>主题</th> <th>你会学到</th> </tr> </thead> <tbody> <tr> <td><a href="https://machinelearningwithme.com/course/pandas/chapter01/">第 1 章</a></td> <td>数据加载与查看</td> <td>用字典造 DataFrame、看形状、选列、看数据类型、预览头尾</td> </tr> <tr> <td><a href="https://machinelearningwithme.com/course/pandas/chapter02/">第 2 章</a></td> <td>索引与数据选择</td> <td><code>loc</code> / <code>iloc</code>、布尔筛选、设置与重置索引</td> </tr> <tr> <td><a href="https://machinelearningwithme.com/course/pandas/chapter03/">第 3 章</a></td> <td>数据清洗</td> <td>处理缺失值、删重复、改列名、替换值、转数据类型</td> </tr> <tr> <td><a href="https://machinelearningwithme.com/course/pandas/chapter04/">第 4 章</a></td> <td>聚合与分组</td> <td><code>groupby</code>、聚合函数、透视表、交叉表、多级分组</td> </tr> <tr> <td><a href="https://machinelearningwithme.com/course/pandas/chapter05/">第 5 章</a></td> <td>数据合并与重塑</td> <td><code>merge</code>、<code>concat</code>、宽长格式互转、自定义变换</td> </tr> </tbody> </table> <p>同时，我们把每一章的内容都拆成三节，并按照同一个顺序进行了组织：</p>