在线学AI

人工智能编程基础-Pandas 补习课程表

人工智能编程基础:Pandas

4
发表时间:2025-08-31 15:14作者:雨季


人工智能编程基础-Pandas 习课程表

人工智能编程基础:Pandas

一、课程概述

Pandas 是 Python 数据分析的核心库,提供了高效、灵活的数据结构和数据分析工具,是人工智能领域数据处理和分析的基础。本课程表旨在帮助有工作经验但大学期间未认真学习 Pandas 基础知识的学习者系统地补全这一基础,为后续学习人工智能技术打下坚实基础。

课程内容设计遵循 "基础概念→数据结构操作→数据处理→高级功能→AI 集成" 的学习路径,强调从易到难、循序渐进,注重知识间的依赖关系和实际应用。通过本课程的学习,你将全面掌握 Pandas 的核心功能,并能够在人工智能开发场景中高效使用。

1.1 学习目标

通过本课程的学习,你将能够:

掌握 Pandas 的基础概念:理解 Pandas 的核心数据结构 Series 和 DataFrame 及其特性

熟练进行数据结构操作:创建、索引、切片、重塑和转换数据

高效处理数据:清洗数据、处理缺失值、异常值和重复值

应用高级功能:进行数据聚合、合并、透视和可视化

结合 AI 实际需求:使用 Pandas 进行数据预处理、特征工程和模型准备

1.2 学习路径说明

本课程表按照从易到难、知识依赖关系设计,共分为八个学习模块,每个模块包含若干知识点。学习时应严格按照顺序进行,前一个模块是后一个模块的基础。每个知识点都包含学习要求、学习时长建议、学习资源、难点总结、课后练习作业和过关考试,确保全面掌握。

课程内容的安排遵循 "基础概念→编程实践→应用拓展→高级技术" 的学习路径,先掌握 Pandas 的基础概念和数据结构创建,再学习索引和切片,接着深入理解数据处理和清洗,然后学习高级操作和数据可视化,最后应用所学知识进行人工智能相关的数据处理和分析。

、学习建议

2.1 学习方法建议

理论与实践结合:Pandas 是一款实践性很强的工具,学习时要注重理论与实践的结合,通过大量的实际操作巩固所学知识。

多阅读官方文档:Pandas 的官方文档是最好的学习资源之一,建议在学习过程中经常查阅官方文档,了解最新功能和最佳实践。

参与开源项目:参与开源项目可以让你接触到实际的软件开发过程,学习团队协作和项目管理经验。

解决实际问题:尝试使用 Pandas 解决实际问题,如数据处理、机器学习、深度学习等,提高应用能力。

持续学习和实践:Pandas 技术发展迅速,要保持持续学习的态度,关注最新的技术发展和应用。

2.2 学习工具推荐

开发工具强烈建议一边学习理论,一边用编程工具练习!!!

Jupyter Notebook:交互式学习和实践 Pandas 的最佳工具

VSCode:强大的代码编辑和调试工具

PyCharm:专业的 Python 开发环境,适合大型项目

学习资源

Pandas 官方文档:https://pandas.pydata.org/docs/

中国大学 MOOC:提供大量优质的 Python 和 Pandas 课程

Coursera 和 edX:提供国际知名大学的相关课程

GitHub:开源项目和代码资源库

辅助工具

NumPy:Pandas 的基础库,提供高效的数组运算能力

Matplotlib:数据可视化工具,与 Pandas 配合使用

Scikit-learn:机器学习库,与 Pandas 集成使用

Seaborn:高级数据可视化库,增强 Pandas 的可视化能力

2.3 学习进度管理

制定学习计划:根据课程表的安排,制定详细的学习计划,合理分配每天的学习时间,确保按时完成学习目标。

阶段性目标:将整个学习过程分为若干阶段,每个阶段设定明确的学习目标,如完成一个模块的学习并通过相应的过关考试。

学习记录:记录每天的学习内容、遇到的问题和解决方法,便于复习和总结。

定期复习:定期复习已学内容,强化记忆,避免遗忘,特别是核心知识点和操作技能。

模拟考试:在每个模块学习结束后,进行模拟考试,检验学习效果,及时发现和解决问题。

鼓励

本课程表系统地梳理了 Pandas 基础编程的核心知识点,从基础概念到高级应用,从数据处理到机器学习数据准备,覆盖了 Pandas 的各个方面。通过按照本课程表的顺序学习,你将能够全面掌握 Pandas 的使用方法,提高数据处理效率和代码质量,为后续学习人工智能技术打下坚实基础。

Pandas 作为 Python 数据分析的核心库,其功能丰富且强大,需要通过系统的学习和实践才能熟练掌握。希望本课程表能够帮助你克服学习困难,建立对 Pandas 的兴趣和信心,为未来的人工智能学习和研究打下坚实的基础。

记住,学习编程是一个循序渐进的过程,需要持续的努力和实践。希望你能够坚持学习,不断实践,最终达到熟练掌握 Pandas 的目标。祝你学习愉快,编程进步!
若过程中有任何疑问,可关注公众号(iLearnAI)进专家群交流,不要放弃!

                     

课程表

详细的学习课程如下

大类

序号

知识点

学习要求

学习时长建议

学习资源

难点总结

课后练习

过关考试

环境配置与基础概念
1
Pandas 安装与环境配置
1.了解 Pandas 的发展历史和特点
2.掌握 Pandas 的安装方法
3.理解 Pandas 在数据分析和人工智能中的重要性
4.能够验证 Pandas 的安装和版本信息
建议 2 小时(理论学习 1 小时,实践 1 小时)
1.腾讯云开发者社区《Python 库 pandas 下载、安装、配置、用法、入门教程》
https://cloud.tencent.com/developer/article/2486981
2.抖音视频《快速上手 Pandas》
https://www.iesdouyin.com/share/video/7434076092589215015/
3.腾讯云开发者社区《Python 库 Pandas 使用介绍》
https://cloud.tencent.cn/developer/article/2488180?policyId=1003
4.蓝易云高防 CDN《python 中 pandas 的安装》
https://blog.51cto.com/u_16536418/14157683
1.不同环境下安装命令的差异
2.处理安装过程中可能出现的错误
3.验证安装成功的方法
1.根据自己的操作系统下载并安装 Pandas
2.记录安装过程中的命令和选项
3.尝试启动 Python 并导入 Pandas,验证安装成功
4.输出 Pandas 的版本信息
1.笔试:Pandas 安装步骤和验证方法
2.实操:在指定环境下成功安装 Pandas 并验证版本

2
Pandas 基础概念与数据结构
1.理解 Pandas 的核心数据结构:Series 和 DataFrame
2.掌握 Pandas 的基本特点和优势
3.了解 Pandas 与 NumPy 的关系
4.能够区分 Series 和 DataFrame 的异同
建议 3 小时(理论学习 1.5 小时,实践 1.5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.菜鸟教程《Pandas pd.Series () 函数》
https://www.runoob.com/pandas/pandas-pd-series.html
4.抖音视频《pandas 入门基础教程,上手实战只需十分钟 赶快收藏起来吧!》
https://www.iesdouyin.com/share/video/7368782515135466789/
1.Series 和 DataFrame 的区别与联系
2.Pandas 数据结构与 Python 列表、字典的区别
3.Pandas 与 NumPy 的关系和区别
4.理解 Pandas 的数据对齐机制
1.比较 Pandas Series 和 Python 列表的异同
2.比较 Pandas DataFrame 和 Python 字典的异同
3.编写代码说明 Pandas 的自动数据对齐功能
4.总结 Pandas 在数据分析中的优势
1.笔试:Pandas 核心数据结构的特点和区别
2.应用题:解释 Pandas 在人工智能中的作用和优势
Series 对象操作
3
Series 对象的创建
1.掌握通过列表创建 Series 的方法
2.掌握通过字典创建 Series 的方法
3.掌握通过一维数组创建 Series 的方法
4.掌握通过标量创建 Series 的方法
5.理解 Series 的索引和值的关系
建议 4 小时(理论学习 2 小时,实践 2 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.CSDN 文库《pd.series》
https://wenku.csdn.net/answer/7t988vg12n
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.不同创建方法的参数理解和应用场景
2.索引的自动生成和自定义设置
3.数据类型的自动推断和显式指定
4.标量创建 Series 时的索引设置
1.使用列表创建 Series,并指定自定义索引
2.使用字典创建 Series,并验证索引和值的对应关系
3.使用一维数组创建 Series,并指定数据类型
4.使用标量创建 Series,并验证索引和值的结构
1.笔试:Series 创建方法的参数和应用场景
2.应用题:根据给定数据创建符合要求的 Series 对象

4
Series 对象的属性与基本操作
1.掌握 Series 的基本属性(index、values、dtype 等)
2.能够通过索引访问和修改 Series 中的元素
3.掌握 Series 的基本运算(算术运算、逻辑运算)
4.理解 Series 的自动对齐机制
5.能够使用布尔索引和花式索引筛选数据
建议 5 小时(理论学习 2 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.CSDN 文库《pandas 序列》
https://wenku.csdn.net/answer/qed5xi8akz
4.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
1.位置索引和标签索引的区别和应用
2.切片操作的不同行为(位置切片和标签切片)
3.自动对齐机制在运算中的应用
4.布尔索引和花式索引的使用方法
1.创建一个 Series 对象,访问其属性(index、values、dtype)
2.使用位置索引和标签索引访问和修改 Series 中的元素
3.对两个 Series 对象进行算术运算,观察自动对齐效果
4.使用布尔索引筛选出符合条件的元素
5.使用花式索引(整数列表)提取指定位置的元素
1.笔试:Series 属性和基本操作的方法
2.应用题:根据要求对 Series 进行索引、运算和筛选

5
Series 对象的高级操作
1.掌握 Series 的排序和排名方法
2.能够处理缺失Series 对象的高级操作值(检测、删除、填充)
3.掌握 Series 的统计描述方法(均值、中位数、众数等)
4.能够应用自定义函数对 Series 进行操作
5.理解向量化操作的优势和应用场景
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.排序方法的参数理解(ascending、inplace 等)
2.缺失值处理的不同方法选择
3.统计描述函数的区别和应用
4.向量化操作与循环的性能比较
5.自定义函数的应用和参数传递
1.创建一个包含缺失值的 Series,进行缺失值检测和处理
2.对 Series 进行排序和排名操作
3.计算 Series 的统计描述(均值、中位数、众数、标准差等)
4.使用 apply 方法应用自定义函数对 Series 进行操作
5.比较向量化操作和循环的执行时间差异
1.笔试:Series 高级操作的方法和参数
2.应用题:根据要求对 Series 进行排序、处理缺失值和统计分析
DataFrame 对象操作
6
DataFrame 对象的创建
1.掌握通过字典创建 DataFrame 的方法
2.掌握通过列表的列表创建 DataFrame 的方法
3.掌握通过 NumPy 数组创建 DataFrame 的方法
4.掌握通过 Series 字典创建 DataFrame 的方法
5.能够指定列顺序和索引
建议 5 小时(理论学习 2 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.阿里云开发者社区《掌握 Pandas 核心数据结构:Series 与 DataFrame 的四种创建方式》
https://developer.aliyun.com/article/1643448
4.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
1.不同创建方法的数据对齐问题
2.列顺序和索引的指定方法
3.数据类型的自动推断和显式指定
4.处理不同长度的数据时的填充方法
1.使用字典创建 DataFrame,并指定列顺序和索引
2.使用列表的列表创建 DataFrame,并指定列名
3.使用 NumPy 数组创建 DataFrame,并指定列名和索引
4.使用 Series 字典创建 DataFrame,并验证结构
5.创建一个包含不同数据类型的 DataFrame,并检查数据类型
1.笔试:DataFrame 创建方法的参数和应用场景
2.应用题:根据给定数据创建符合要求的 DataFrame 对象

7
DataFrame 对象的属性与基本操作
1.掌握 DataFrame 的基本属性(index、columns、values、dtypes 等)
2.能够访问和修改 DataFrame 的行、列和元素
3.掌握 DataFrame 的基本运算(算术运算、逻辑运算)
4.理解 DataFrame 的自动对齐机制
5.能够使用 head ()、tail ()、info ()、describe () 等方法查看数据信息
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.行索引和列索引的区别和应用
2.loc 和 iloc 的区别和使用方法
3.不同数据类型的运算规则
4.自动对齐机制在 DataFrame 运算中的应用
5.数据信息查看方法的区别和应用
1.创建一个 DataFrame 对象,访问其属性(index、columns、dtypes 等)
2.使用不同方法访问 DataFrame 的行、列和元素
3.对两个 DataFrame 对象进行算术运算,观察自动对齐效果
4.使用 head ()、tail ()、info ()、describe () 等方法查看数据信息
5.修改 DataFrame 的行索引、列名和元素值
1.笔试:DataFrame 属性和基本操作的方法
2.应用题:根据要求对 DataFrame 进行索引、运算和信息查看

8
DataFrame 对象的高级操作
1.掌握 DataFrame 的排序和排名方法
2.能够处理 DataFrame 中的缺失值
3.掌握 DataFrame 的增删改操作
4.能够应用自定义函数对 DataFrame 进行操作
5.理解向量化操作在 DataFrame 中的应用
建议 7 小时(理论学习 3 小时,实践 4 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.排序方法的参数理解(by、ascending、inplace 等)
2.缺失值处理的不同方法选择(删除、填充等)
3.行和列的增删操作的区别
4.apply 方法在 DataFrame 中的应用方式
5.向量化操作与循环的性能比较
1.创建一个包含缺失值的 DataFrame,进行缺失值检测和处理
2.对 DataFrame 进行排序和排名操作
3.对 DataFrame 进行增删改操作
4.使用 apply 方法应用自定义函数对 DataFrame 进行操作
5.比较向量化操作和循环的执行时间差异
1.笔试:DataFrame 高级操作的方法和参数
2.应用题:根据要求对 DataFrame 进行排序、处理缺失值和增删改操作
数据索引与选择
9
基本索引与切片操作
1.掌握基于标签的索引(loc)方法
2.掌握基于位置的索引(iloc)方法
3.掌握布尔索引方法
4.能够使用切片操作选择数据
5.理解不同索引方法的区别和应用场景
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.loc 和 iloc 的区别和使用场景
2.切片操作在标签索引和位置索引中的不同行为
3.布尔索引的构造和应用
4.多层索引的索引方法
5.索引返回的是视图还是副本的问题
1.创建一个 DataFrame,使用 loc 和 iloc 进行索引操作
2.使用切片操作选择不同的数据子集
3.构造布尔索引筛选符合条件的数据
4.处理多层索引的 DataFrame,进行索引操作
5.验证索引返回的是视图还是副本
1.笔试:索引方法的区别和应用场景
2.应用题:根据要求使用不同索引方法选择数据

10
高级数据选择与过滤
1.掌握使用 query () 方法进行数据筛选
2.能够使用 isin () 方法筛选特定值
3.掌握使用 where () 方法进行条件筛选
4.能够使用 drop () 方法删除数据
5.理解索引和筛选的性能优化方法
建议 7 小时(理论学习 3 小时,实践 4 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.query () 方法的表达式语法
2.isin () 方法的参数理解和应用
3.where () 方法的条件和默认值设置
4.drop () 方法的参数(axis、inplace 等)
5.大数据集下的索引和筛选性能优化
1.使用 query () 方法筛选符合条件的数据
2.使用 isin () 方法筛选特定值的数据
3.使用 where () 方法进行条件筛选和填充
4.使用 drop () 方法删除指定的行或列
5.比较不同筛选方法的性能差异
1.笔试:高级数据选择方法的参数和应用场景
2.应用题:根据要求使用不同方法筛选和过滤数据

11
数据排序与排名
1.掌握按值排序的方法(sort_values ())
2.掌握按索引排序的方法(sort_index ())
3.能够处理多列排序
4.掌握数据排名的方法(rank ())
5.理解排序和排名的参数设置(ascending、method 等)
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.sort_values () 和 sort_index () 的参数区别
2.多列排序的优先级设置
3.排名方法的不同(average、min、max 等)
4.缺失值在排序和排名中的处理
5.降序排序的参数设置
1.创建一个 DataFrame,使用 sort_values () 方法按不同列排序
2.使用 sort_index () 方法按索引排序
3.进行多列排序,并设置不同的排序顺序
4.使用 rank () 方法对数据进行排名
5.比较不同排名方法的结果差异
1.笔试:排序和排名方法的参数和应用场景
2.应用题:根据要求对数据进行排序和排名
数据处理与清洗
12
数据加载与存储
1.掌握从 CSV 文件读取数据的方法(read_csv ())
2.掌握从 Excel 文件读取数据的方法(read_excel ())
3.掌握将数据写入 CSV 文件的方法(to_csv ())
4.掌握将数据写入 Excel 文件的方法(to_excel ())
5.理解不同文件格式的读写参数设置
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.腾讯云开发者社区《Python 库 pandas 下载、安装、配置、用法、入门教程 —— read_csv () 用法详解》
https://cloud.tencent.com/developer/article/2486981
2.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.不同文件格式的读写参数(sep、header、index_col 等)
2.处理不同编码格式的文件(encoding 参数)
3.处理大型文件的分块读取(chunksize 参数)
4.写入文件时的索引处理(index 参数)
5.处理文件路径和文件不存在的异常情况
1.使用 read_csv () 方法读取 CSV 文件,并指定不同的参数
2.使用 read_excel () 方法读取 Excel 文件,并处理不同的 Sheet
3.使用 to_csv () 方法将 DataFrame 写入 CSV 文件,指定不同的参数
4.使用 to_excel () 方法将 DataFrame 写入 Excel 文件,指定不同的参数
5.处理包含中文和特殊字符的文件读写
1.笔试:数据加载和存储方法的参数和应用场景
2.应用题:根据要求读取和写入不同格式的数据文件

13
缺失值处理
1.能够检测数据中的缺失值(isnull ()、notnull ())
2.掌握删除缺失值的方法(dropna ())
3.掌握填充缺失值的方法(fillna ())
4.理解不同填充策略的选择(均值、中位数、众数等)
5.能够处理不同类型数据的缺失值
建议 8 小时(理论学习 4 小时,实践 4 小时)
1.博客园《pandas 数据清洗示例》
https://www.cnblogs.com/soarowl/p/18879414
2.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.缺失值检测方法的应用
2.dropna () 方法的参数理解(axis、how、thresh 等)
3.fillna () 方法的填充策略选择和参数设置
4.不同数据类型的缺失值处理差异
5.填充策略的选择对后续分析的影响
1.创建包含缺失值的 DataFrame,使用不同方法检测缺失值
2.使用 dropna () 方法删除不同情况下的缺失值
3.使用 fillna () 方法填充缺失值,尝试不同的填充策略
4.处理时间序列数据中的缺失值
5.比较不同缺失值处理方法的效果
1.笔试:缺失值处理方法的参数和应用场景
2.应用题:根据要求处理数据中的缺失值

14
重复值与异常值处理
1.能够检测数据中的重复值(duplicated ())
2.掌握删除重复值的方法(drop_duplicates ())
3.能够检测数据中的异常值
4.掌握处理异常值的方法(替换、删除等)
5.理解不同异常值检测方法的选择(Z-score、IQR 等)
建议 8 小时(理论学习 4 小时,实践 4 小时)
1.博客园《pandas 数据清洗示例》
https://www.cnblogs.com/soarowl/p/18879414
2.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.duplicated () 方法的参数理解(subset、keep 等)
2.drop_duplicates () 方法的参数设置
3.异常值检测方法的选择和参数设置
4.处理异常值的不同策略选择
5.处理大型数据集时的性能优化
1.创建包含重复值的 DataFrame,使用不同方法检测和删除重复值
2.使用不同方法检测数据中的异常值(Z-score、IQR 等)
3.使用不同策略处理异常值(替换为阈值、删除等)
4.处理包含不同类型异常值的数据
5.比较不同异常值处理方法的效果
1.笔试:重复值和异常值处理方法的参数和应用场景
2.应用题:根据要求处理数据中的重复值和异常值
数据转换与分析
15
数据类型转换
1.能够查看和理解数据类型(dtypes 属性)
2.掌握显式转换数据类型的方法(astype ())
3.掌握自动转换数据类型的方法(to_numeric () 等)
4.能够处理转换过程中的错误(errors 参数)
5.理解不同数据类型对分析的影响
建议 6 小时(理论学习 3 小时,实践 3 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.不同数据类型之间的转换规则
2.astype () 方法的参数理解和应用
3.to_numeric () 方法的参数设置(errors、downcast 等)
4.处理转换过程中的异常值和错误
5.类别类型(category)的转换和应用
1.创建包含不同数据类型的 DataFrame,查看数据类型
2.使用 astype () 方法显式转换数据类型
3.使用 to_numeric () 方法自动转换数据类型
4.处理转换过程中可能出现的错误
5.将分类数据转换为类别类型,并应用类别编码
1.笔试:数据类型转换方法的参数和应用场景
2.应用题:根据要求转换数据类型,并处理转换过程中的问题

16
数据离散化与分箱
1.理解数据离散化的概念和应用场景
2.掌握等宽分箱的方法(cut ())
3.掌握等频分箱的方法(qcut ())
4.能够自定义分箱边界
5.理解分箱后的数据编码方法
建议 7 小时(理论学习 3 小时,实践 4 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.cut () 和 qcut () 的区别和应用场景
2.分箱边界的确定方法
3.分箱后的数据标签设置
4.处理包含缺失值的数据分箱
5.分箱后的数据编码(哑变量等)
1.使用 cut () 方法对等宽分箱,指定不同的分箱数量
2.使用 qcut () 方法对等频分箱,指定不同的分箱数量
3.自定义分箱边界,进行数据分箱
4.处理包含异常值的数据分箱
5.将分箱后的数据转换为哑变量编码
1.笔试:数据离散化方法的参数和应用场景
2.应用题:根据要求对数据进行分箱和编码

17
数据标准化与归一化
1.理解数据标准化的概念和应用场景
2.掌握 Z-score 标准化方法
3.掌握 Min-Max 归一化方法
4.能够自定义标准化和归一化方法
5.理解不同标准化方法对模型的影响
建议 8 小时(理论学习 4 小时,实践 4 小时)
1.博客园《pandas 数据清洗示例》
https://www.cnblogs.com/soarowl/p/18879414
2.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.Z-score 标准化和 Min-Max 归一化的计算公式
2.标准化和归一化的参数设置
3.处理不同分布的数据
4.训练集和测试集的标准化方法
5.标准化对模型性能的影响
1.使用 Z-score 方法对数据进行标准化
2.使用 Min-Max 方法对数据进行归一化
3.自定义标准化和归一化方法
4.处理包含异常值的数据标准化和归一化
5.比较不同标准化方法的效果
1.笔试:数据标准化和归一化方法的参数和应用场景
2.应用题:根据要求对数据进行标准化或归一化处理
数据聚合与可视化
18
数据分组与聚合
1.理解分组聚合的概念和应用场景
2.掌握 groupby () 方法的基本使用
3.能够应用内置聚合函数(mean、sum、count 等)
4.能够自定义聚合函数
5.理解多层次分组的应用方法
建议 9 小时(理论学习 4 小时,实践 5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.groupby () 方法的参数理解(by、axis 等)
2.聚合函数的选择和应用
3.自定义聚合函数的参数传递
4.多层次分组的索引处理
5.聚合结果的重塑和格式调整
1.使用 groupby () 方法对数据进行单变量分组聚合
2.使用 groupby () 方法对数据进行多变量分组聚合
3.应用内置聚合函数进行数据分析
4.自定义聚合函数进行数据分析
5.处理多层次分组的聚合结果
1.笔试:数据分组聚合方法的参数和应用场景
2.应用题:根据要求对数据进行分组聚合分析

19
数据合并与连接
1.理解合并与连接的概念和应用场景
2.掌握 merge () 方法的基本使用
3.掌握 concat () 方法的基本使用
4.能够处理不同类型的合并(inner、outer、left、right)
5.理解合并键的选择和处理方法
建议 10 小时(理论学习 5 小时,实践 5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.merge () 和 concat () 的区别和应用场景
2.不同合并类型(inner、outer、left、right)的选择
3.合并键的处理(on、left_on、right_on 等)
4.处理合并过程中的重复列名
5.多层次索引的合并方法
1.使用 merge () 方法进行不同类型的合并操作
2.使用 concat () 方法进行不同方向的连接操作
3.处理包含重复键的合并操作
4.处理不同索引结构的数据合并
5.比较不同合并方法的结果差异
1.笔试:数据合并连接方法的参数和应用场景
2.应用题:根据要求对数据进行合并或连接操作

20
数据可视化
1.掌握基本绘图方法(plot ())
2.能够创建折线图、柱状图、散点图等基本图表
3.掌握图表的基本设置(标题、标签、颜色等)
4.能够使用 Matplotlib 和 Seaborn 进行高级绘图
5.理解不同图表类型的选择和应用场景
建议 10 小时(理论学习 5 小时,实践 5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.不同图表类型的参数设置和应用场景
2.图表的自定义设置(字体、颜色、样式等)
3.多子图的布局和设置
4.处理大型数据集的可视化性能
5.图表的保存和导出设置
1.使用 plot () 方法创建不同类型的基本图表
2.自定义图表的标题、标签、颜色等属性
3.使用 Matplotlib 和 Seaborn 创建高级图表
4.创建多子图布局的图表
5.保存和导出图表为不同格式
1.笔试:数据可视化方法的参数和应用场景
2.应用题:根据要求创建符合需求的数据可视化图表
高级应用与项目实践
21
时间序列分析
1.理解时间序列数据的概念和特点
2.掌握日期时间对象的创建和转换
3.能够处理时区信息
4.掌握时间序列的重采样方法(resample ())
5.能够应用滑动窗口分析
建议 10 小时(理论学习 5 小时,实践 5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.日期时间对象的创建和解析方法
2.时区处理的方法和参数设置
3.重采样方法的参数理解(rule、how 等)
4.滑动窗口分析的参数设置
5.处理非规则时间序列数据
1.创建和转换不同格式的日期时间对象
2.处理包含时区信息的时间序列数据
3.使用 resample () 方法进行不同频率的重采样
4.应用滑动窗口分析时间序列数据
5.处理非规则时间序列数据,进行插值和填充
1.笔试:时间序列分析方法的参数和应用场景
2.应用题:根据要求对时间序列数据进行分析和处理

22
文本数据处理
1.理解文本数据处理的基本方法
2.掌握字符串操作方法(str 属性)
3.能够应用正则表达式处理文本数据
4.掌握文本向量化方法(TF-IDF 等)
5.理解文本数据在人工智能中的应用
建议 10 小时(理论学习 5 小时,实践 5 小时)
1.51CTO 博客《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://blog.51cto.com/aiweker/13901614
2.腾讯云开发者社区《【数据处理包 Pandas】Series 的创建与操作》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.字符串操作方法的参数理解和应用
2.正则表达式的语法和应用
3.文本向量化方法的选择和参数设置
4.处理不同语言的文本数据
5.文本数据的清洗和预处理方法
1.使用字符串操作方法处理文本数据
2.使用正则表达式提取和替换文本数据
3.应用文本向量化方法(TF-IDF 等)转换文本数据
4.处理包含特殊字符和噪声的文本数据
5.比较不同文本向量化方法的效果
1.笔试:文本数据处理方法的参数和应用场景
2.应用题:根据要求对文本数据进行处理和分析

23
机器学习数据准备
1.理解机器学习数据准备的流程和方法
2.能够进行特征选择和提取
3.掌握特征编码方法(标签编码、独热编码等)
4.能够进行数据集划分(训练集、验证集、测试集)
5.理解数据准备对模型性能的影响
建议 12 小时(理论学习 6 小时,实践 6 小时)
1.博客园《pandas 数据清洗示例》
https://www.cnblogs.com/soarowl/p/18879414
2.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.特征选择方法的选择和应用
2.特征编码方法的选择和参数设置
3.数据集划分的比例和方法
4.处理不平衡数据集的方法
5.数据泄露的预防和处理
1.对数据集进行特征选择和提取
2.使用不同方法对分类特征进行编码
3.将数据集划分为训练集、验证集和测试集
4.处理不平衡数据集,应用重采样方法
5.比较不同数据准备方法对模型性能的影响
1.笔试:机器学习数据准备方法的参数和应用场景
2.应用题:根据要求对数据集进行准备,为机器学习模型提供输入

24
综合项目实践
1.能够综合应用 Pandas 的各种功能进行数据分析
2.能够完成完整的数据分析流程(数据加载、清洗、转换、分析、可视化)
3.能够解决实际问题,提出数据驱动的建议
4.能够撰写完整的数据分析报告
5.理解 Pandas 在人工智能项目中的应用
建议 15 小时(理论学习 7 小时,实践 8 小时)
1.博客园《pandas 数据清洗示例》
https://www.cnblogs.com/soarowl/p/18879414
2.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
3.掘金《Pandas:从入门到精通,只需这一篇就够了!》
https://juejin.cn/post/7485999666669846562
4.腾讯云开发者社区《Python 数据分析: Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》
https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70
1.项目流程的规划和执行
2.多源数据的整合和处理
3.复杂问题的分解和分析
4.结果的解释和可视化呈现
5.报告的结构和内容组织
1.选择一个实际数据集,完成完整的数据分析流程
2.整合多源数据,进行清洗和分析
3.应用多种分析方法解决实际问题
4.生成可视化图表,解释分析结果
5.撰写完整的数据分析报告
1.笔试:综合项目实践的流程和方法
2.应用题:根据要求完成一个完整的数据分析项目,并提交报告



参考资料

[1] The Complete Pandas Bootcamp 2025: Data Science with Python https://www.udemy.com/course/the-pandas-bootcamp/?srsltid=AfmBOorrlqNt6kF7l2OQpE9UkHgrH4IABJw9N2WS9_sqJCainy1m_vDW

[2] Python数据分析实战(热门)-Python体系课3349万+播放量-学习中心 https://www.atxunda.com/course/2/34

[3] 2025 | Pandas Bootcamp | Data Analysis with Pandas Python3 https://www.udemy.com/course/the-pandas-bootcamp-data-analysis-with-pandas-python3/?couponCode=E5A149F18C8E0B1CFD6E

[4] 7-pandas - 指尖下的世界 - 博客园 https://www.cnblogs.com/luzhanshi/articles/18807963

[5] Python的Pandas库有多好用? 几十秒自动处理700万行数-抖音 https://www.iesdouyin.com/share/video/7524133670626626870/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7524133730915601179&region=&scene_from=dy_open_search_video&share_sign=9i34QIHJIQK2LAcrjmH5JSUM7EF3oacnOlNlU_dR.ps-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312655&u_code=0&video_share_track_ver=&with_sec_did=1

[6] pandas数据分析,操作文件!-抖音 https://www.iesdouyin.com/share/video/7537984789727497518/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7537984812994906916&region=&scene_from=dy_open_search_video&share_sign=PKX6maBD3o9pFhWk7TJc9v5k0OkyxaiJwzdUk8m4sHU-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312655&u_code=0&video_share_track_ver=&with_sec_did=1

[7] Pandas快速上手500例 | 实例-产品销量分组统计-抖音 https://www.iesdouyin.com/share/video/7449698740081806628/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7449698917111221043&region=&scene_from=dy_open_search_video&share_sign=w8t.WBoNmCq6uv1k0UhVPB8j2xzhS8HdStPny6nOHSk-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312655&u_code=0&video_share_track_ver=&with_sec_did=1

[8] 怎么学习pandas库 - CSDN文库 https://wenku.csdn.net/answer/756f1810daeb4f2cacb859170989434c

[9] 【Pandas终极指南】:掌握Pandas 2.0.3依赖管理,避免99%的安装错误 - CSDN文库 https://wenku.csdn.net/column/177z3o6vg5

[10] 10张思维导图,全面讲解 Pandas_51CTO博客_9张思维导图 https://blog.51cto.com/u_11949039/5262165

[11] pandas 入门(一)-阿里云开发者社区 https://developer.aliyun.com/article/1004918

[12] Pandas:从入门到精通,只需这一篇就够了 - 掘金 https://juejin.cn/post/7485999666669846562

[13] 抓紧学习 拉开差距.jpg!_xiaoyi的技术博客_51CTO博客 https://blog.51cto.com/u_15489327/4929350

[14] 【Python】学习Pandas的几个好去处~_51CTO博客_pandas好学吗 https://blog.51cto.com/u_15671528/13859459

[15] pandas for Data Science https://realpython.com/learning-paths/pandas-data-science/

[16] pands怎么学 - CSDN文库 https://wenku.csdn.net/answer/81y1ohj1o5

[17] pandas documentation https://pandas.pydata.org/docs/dev/

[18] How to Learn pandas https://www.datacamp.com/fr/blog/how-to-learn-pandas

[19] 牛客数据分析pandas - CSDN文库 https://wenku.csdn.net/answer/40g79qiy6k

[20] python的数据分析库pandas的学习路线-抖音 https://www.iesdouyin.com/share/video/7048164837809048871/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7048164891157383966&region=&scene_from=dy_open_search_video&share_sign=aS.fF5LU05l.5HgdXgH_fKDnRHEfYBALz_KCWnRUNtk-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312681&u_code=0&video_share_track_ver=&with_sec_did=1

[21] Learn Data Analysis With Pandas In 2025 https://www.udemy.com/course/learn-da/?srsltid=AfmBOorwaeca8ugI0upZ5BCErv0h7WUnhDdX6DNhivTrarm1KeaEmdoI

[22] Python For Data Science In 2025 A-Z: EDA With Real Exercises https://www.udemy.com/course/data-analysis-with-pandas-a-complete-tutorial/?srsltid=AfmBOoojlS_8vGWhw1hanTj4JxuOn176mrVhAkUNi_idA8VDsXnZJB6f

[23] Data Manipulation in Python: A Pandas Crash Course 2025 https://www.udemy.com/course/data-manipulation-in-python-a-pandas-crash-course/

[24] Data Analysis with Pandas and Python Masterclass 2025 https://www.udemy.com/course/python-masterclass-the-complete-guide/

[25] pandas基本操作头歌前6节 - CSDN文库 https://wenku.csdn.net/answer/86a1aocuat

[26] 【Python】Pandas案例练习讲解-抖音 https://www.iesdouyin.com/share/video/7431903178679012649/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7431903228746287909&region=&scene_from=dy_open_search_video&share_sign=EnzfwxaK.MeoCs8AnlOIUB5RhV.XfrJ8Lu7fwYS_FXk-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312681&u_code=0&video_share_track_ver=&with_sec_did=1

[27] Pandas案例练习 【Python】Pandas案例练习DataFrame五道案例快速上手-抖音 https://www.iesdouyin.com/share/video/7431098470074748214/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7431098432506317604&region=&scene_from=dy_open_search_video&share_sign=fjxJrtnzPG4sZo47nhBc0ywJbdF.EwgDZOiEBRMBf9A-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312681&u_code=0&video_share_track_ver=&with_sec_did=1

[28] 课程 - 国家高等教育智慧教育平台 https://higher.smartedu.cn/course/66a0320c711dc30c34ab792f

[29] Python Pandas Courses Online https://www.coursera.org/courses?=&query=python%20pandas

[30] The Complete Pandas Bootcamp 2025: Data Science with Python https://www.udemy.com/course/the-pandas-bootcamp/?srsltid=AfmBOorRYFFH8COeGC2kZ3Y8UIedkJw3w59ZN8IetMwNOb-lkVEM4Lem

[31] 2025 | Pandas Bootcamp | Data Analysis with Pandas Python3 https://www.udemy.com/course/the-pandas-bootcamp-data-analysis-with-pandas-python3/?couponCode=E710703CA2D16FD9C1ED

[32] Master Pandas and Python for Data Handling [2025] https://www.udemy.com/course/master-pandas-and-python-for-data-handling/

[33] 31-Pandas-Series案例-销售数据分析-抖音 https://www.iesdouyin.com/share/video/7543156394590096679/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7543156478304193320&region=&scene_from=dy_open_search_video&share_sign=EIrqa62wIBdFCLUwXf9L.ixSUE2S.ewl_vIPnEPwyGM-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312701&u_code=0&video_share_track_ver=&with_sec_did=1

[34] pandas入门基础教程,上手实战只需十分钟 赶快收藏起来吧!-抖音 https://www.iesdouyin.com/share/video/7368782515135466789/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7368782802659150611&region=&scene_from=dy_open_search_video&share_sign=CwkyrSEuZyw09gautQt.1j6tPVTGLKcOmSl6O3J0tgY-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312701&u_code=0&video_share_track_ver=&with_sec_did=1

[35] Python库pandas下载、安装、配置、用法、入门教程 —— read_csv()用法详解-腾讯云开发者社区-腾讯云 https://cloud.tencent.com/developer/article/2486981

[36] Python 库 Pandas 使用介绍-腾讯云开发者社区-腾讯云 https://cloud.tencent.cn/developer/article/2488180?policyId=1003

[37] 蓝易云高防CDN - python中pandas的安装_蓝易云的技术博客_51CTO博客 https://blog.51cto.com/u_16536418/14157683

[38] 安装 — pandas 1.5.0.dev0+697.gf9762d8f52 文档 https://www.osgeo.cn/pandas/getting_started/install.html

[39] 快速上手Pandas-抖音 https://www.iesdouyin.com/share/video/7434076092589215015/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7434076126894476082&region=&scene_from=dy_open_search_video&share_sign=SWAbNtytubDE3vMmn1X1WH667D96Q1xV1i1c72otEDk-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312738&u_code=0&video_share_track_ver=&with_sec_did=1

[40] 下载安装Pandas,开启使用Python进行数据分析之路-抖音 https://www.iesdouyin.com/share/video/7331517373062679823/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7331517739162471177&region=&scene_from=dy_open_search_video&share_sign=Ejllwl8I6Ql5dNyvjaOlVUBl2IlvCu9EToRCOCWkf_s-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312738&u_code=0&video_share_track_ver=&with_sec_did=1

[41] Python第三方模块Pandas的安装 Python第三方模块Pandas的安装-抖音 https://www.iesdouyin.com/share/video/7336084693760199974/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7336084840216873754&region=&scene_from=dy_open_search_video&share_sign=T1HXx5wOrmymK10SFcGWKhGRdj_kkTDUeWxqeXUUSrw-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312738&u_code=0&video_share_track_ver=&with_sec_did=1

[42] Python数据分析: Pandas库概述与应用场景之Series与DataFrame创建指南_人工智能微客的技术博客_51CTO博客 https://blog.51cto.com/aiweker/13901614

[43] 【数据处理包Pandas】Series的创建与操作-腾讯云开发者社区-腾讯云 https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70

[44] Pandas pd.Series() 函数 | 菜鸟教程 https://www.runoob.com/pandas/pandas-pd-series.html

[45] pd.series - CSDN文库 https://wenku.csdn.net/answer/7t988vg12n

[46] pandas序列 https://wenku.csdn.net/answer/qed5xi8akz

[47] Pandas期末备考:常见问题解析Pandas 期末考试备考指南 准备 Python Pandas 期末考试可能会让人感 - 掘金 https://juejin.cn/post/7489358088379023387

[48] 掌握Pandas核心数据结构:Series与DataFrame的四种创建方式-阿里云开发者社区 https://developer.aliyun.com/article/1643448

[49] Data Cleaning With pandas and NumPy (Overview) https://realpython.com/videos/data-cleaning-with-pandas-and-numpy-overview/

[50] Cleaning and Preparing Data with Pandas https://learning.anaconda.cloud/cleaning-and-preparing-data-with-pandas

[51] Data Cleaning with pandas https://learning.anaconda.cloud/data-cleaning-with-pandas

[52] pandas数据清洗示例 - 卓能文 - 博客园 https://www.cnblogs.com/soarowl/p/18879414

[53] 2025最新Pandas数据清洗与数据处理方法大全_python_脚本之家 https://m.jb51.net/python/344361ayo.htm

[54] �� 《8步学会使用Pandas进行数据清洗》-抖音 https://www.iesdouyin.com/share/video/7298147000137125183/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7298147172220930842&region=&scene_from=dy_open_search_video&share_sign=64fHYcoJ1yyRN_v9wttsblct4hkdjCHtJQfuOAo0VqI-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312738&u_code=0&video_share_track_ver=&with_sec_did=1

[55] Pandas数据清洗,数据重复值的处理-抖音 https://www.iesdouyin.com/share/video/7291124892496416015/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7291125406546053948&region=&scene_from=dy_open_search_video&share_sign=iFLgx7feSiSMCStWOSm7k9XTpxlYRSqgMzHQBEaiVgg-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756312738&u_code=0&video_share_track_ver=&with_sec_did=1


分享到: