📚 Python-for-DataAnalysis-Projects：学习代码笔记

这是一个用于记录个人学习**《利用 Python 进行数据分析》**一书的代码笔记仓库。所有 Jupyter Notebook 文件旨在复现书中的关键概念、代码示例，并进行扩展练习，以便深入理解数据清洗、数据转换和数据分析的核心技术。

---

📖 原著信息

本仓库基于以下图书的学习和实践：

属性	内容
书名	利用 Python 进行数据分析（原书第 3 版）
原作名	Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter
作者	Wes McKinney (pandas 库的创始人)
译者	陈松
出版年	2023-10
ISBN	9787111726722
页数/定价	502页 / 149.00元

---

🧭 仓库目录与核心内容

本仓库的 Notebook 文件将按照原书的章节结构进行组织和命名，以方便查找。项目重点涵盖了 NumPy 和 pandas 两个 Python 核心库的深入应用。

第一部分：Python 基础、Jupyter 与 NumPy

章节	核心主题	学习笔记内容
第 2 章	Python 语言基础	基础数据结构、控制流、函数、文件操作等。
第 3 章	$\text{NumPy}$ 基础	$\text{ndarray}$ 的创建、切片与索引、通用函数 (ufunc)、线性代数。

第二部分：pandas 的数据整理与分析

章节	核心主题	学习笔记内容
第 5 章	$\text{pandas}$ 入门	$\text{Series}$ 与 $\text{DataFrame}$ 数据结构、索引、轴、基本功能。
第 6 章	数据加载、存储与文件格式	读取 $\text{CSV}$、$\text{Excel}$、$\text{JSON}$、$\text{HTML}$ 等数据源。
第 7 章	数据清洗与准备	缺失值处理 ($\text{fillna}$)、数据转换、字符串操作、离散化。
第 8 章	数据规整：聚合、合并与重塑	层次化索引、数据合并 ($\text{merge}$)、重塑 ($\text{pivot}$)。
第 9 章	绘图与可视化	使用 $\text{matplotlib}$ 和 $\text{pandas}$ 内置函数进行数据探索性可视化。
第 10 章	数据聚合与分组操作	$\text{Groupby}$ 机制、聚合函数、跨期和时间序列操作。

第三部分：高级主题（时间序列与高级 NumPy）

章节	核心主题	学习笔记内容
第 11 章	时间序列	时间日期数据类型、频率转换、重采样、移动窗口函数。
第 12 章	建模工具介绍	深入 $\text{NumPy}$ 高级应用、性能优化等。

---

✨ 如何运行代码？

本仓库中的 $\text{.ipynb}$ 文件推荐在 Jupyter Notebook 或 VS Code 环境中运行。

1. 克隆仓库：

   git clone git@github.com:novak-zhc/Python-for-DataAnalysis-Projects.git

2. 创建 Conda 环境： 推荐使用 $\text{Anaconda}$ 或 $\text{Miniconda}$ 创建隔离环境，并安装 pandas, numpy, jupyter 等核心依赖。
3. 启动环境：

   conda activate <环境名>

4. 打开 Notebook： 在 VS Code 中直接打开 $\text{.ipynb}$ 文件，或在终端中运行 jupyter notebook。

欢迎查阅和交流！