人工智能编程基础-Pandas 补习课程表
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。
二、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。
三、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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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®ion=&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