趋近智
NumPy 和 Pandas 基本功
章节 1: Python 数据处理介绍
什么是 NumPy 和 Pandas？
对人工智能和数据科学的重要性
环境配置
运行你的第一个代码片段
Jupyter Notebook 简介
动手实践：设置与验证
章节 2: NumPy 数组入门
了解 NumPy N 维数组
从 Python 列表创建数组
内置数组创建函数
理解数组数据类型
数组基本属性
实践操作：创建和查看数组
章节 3: NumPy 数组的索引与切片
访问单个元素
一维数组切片
二维数组切片
布尔索引
花式索引
修改数组子集
动手实践：从数组中选择数据
章节 4: NumPy 基本操作
基本算术运算
通用函数（ufuncs）简介
数学和统计函数
数组上的逻辑运算
广播功能简介
动手实践：对数组进行计算
章节 5: Pandas 介绍
Pandas 是什么？
Pandas 数据结构：Series
创建 Series
Pandas 数据结构：DataFrame
创建 DataFrame
检查 DataFrames
实操：创建和查看 Series/DataFrame
章节 6: Pandas 数据加载与保存
从CSV文件读取数据
从Excel文件读取数据
从其他格式读取数据
将数据写入 CSV 文件
写入数据到Excel文件
动手实践：数据集的导入与导出
章节 7: Pandas 中的数据选取与索引
选取列
使用标签选择行 (.loc)
使用整数位置选择行 (.iloc)
混合标签和基于位置的索引
条件选择 (布尔索引)
设置 DataFrame 索引
重置 DataFrame 索引
动手实践：访问特定数据子集
章节 8: 使用 Pandas 进行数据基本处理
识别缺失数据
处理缺失数据：删除
处理缺失数据：填充
删除列和行
添加新列
修改现有列
重命名列
数据排序
实践练习：清理和修改数据框
章节 9: 数据分组与聚合
拆分-应用-组合方法
使用 groupby() 方法对数据进行分组
应用聚合函数
应用多种聚合操作
按多列分组
遍历分组
动手实践：使用 GroupBy 汇总数据
章节 10: 组合 DataFrames
数据合并介绍
连接 DataFrames (pd.concat)
数据库风格的合并 (pd.merge)
理解合并类型（连接）
基于索引的合并
基于索引的合并 (.join)
实践操作：组合数据集
NumPy 和 Pandas 基本功
先修课程 具备Python基础知识。
级别:
初级
NumPy 数组
创建、操作并在NumPy N维数组上进行数学运算。
数组索引
使用各种索引方法，选择和修改NumPy数组中的数据子集。
Pandas 数据结构
理解并使用Pandas Series和DataFrames，它们是数据分析的常见结构。
数据加载与保存
从常见文件格式（如CSV、Excel）读取数据到Pandas数据框，并保存处理后的数据。
数据清洗
使用Pandas处理缺失值并进行基本数据清洗操作。
数据选择
使用标签、位置和条件，从Pandas数据框中选择行和列。
数据聚合
使用Pandas的groupby功能分组数据并计算汇总统计量。
数据合并
在Pandas中使用连接和合并方法，组合来自多个来源的数据。
目前没有推荐的后续课程。
登录以撰写评论
分享您的反馈以帮助其他学习者。