通过一个 Jupyter Notebook 中的 100 道编号练习提升 Pandas 实操熟练度。前 50 题建立日常 Series 与 DataFrame 基础，包括创建、选择、运算、缺失值、字符串以及 CSV 和 Excel 文件；后 50 题进入时间索引、MultiIndex、分组、透视表、分类数据、清洗、预处理和绘图。
每道编号练习都提供可运行代码，大多数题目后还留有空白单元格，供你重新实现或调整操作。示例数据均在 Notebook 内部构造，使你能够先集中练习单项 Pandas 技术，再将它们用于更完整的数据分析。
你将学到什么
- 创建、索引、切片、修改
Series并对其执行计算 - 从 NumPy 数组和字典构造及检查
DataFrame - 选择、排序、复制、聚合和按条件查询表格数据
- 填充或删除缺失值，并应用向量化字符串转换
- 在 Notebook 工作流中读取和写入 CSV 与 Excel 数据
- 处理日期、时区、MultiIndex、分组与透视表
- 清洗不规则列、删除重复项、划分类别并归一化数值数据
- 直接从 Pandas 对象生成折线图、散点图与柱状图
本课程适合谁
本课程适合希望大量练习 Pandas 的 Python 学习者，也适合需要巩固常用表格处理模式的数据学习者。初学者可以按顺序完成前半部分，有 Pandas 经验的学习者则可使用后半部分复习特定进阶主题。
前置要求： 建议掌握列表、字典、函数和简单 NumPy 数组等 Python 基础。具备 Pandas 经验会有帮助，但课程提供可运行示例，因此不是必需条件。
学习环境： 课程提供基于浏览器的 Ubuntu 22.04 Jupyter Notebook，包含全部 100 道练习，并支持 CSV、Excel 和内嵌绘图。练习数据均在 Notebook 内创建，无需外部数据集或本地安装。
常见问题
练习包含答案吗？
包含。每道编号练习都有可运行代码，大多数题目还配有相邻的空白单元格。为了让练习真正有效，建议先预测或编写操作，再查看给定实现。
答案会被自动检查吗？
不会。实验说明明确指出 Notebook 操作无法自动验证。你需要运行每个单元格，检查生成的对象或图表，并与示例行为进行比较。
必须按顺序完成全部 100 题吗？
前 50 题提供连贯的基础进阶路径。第 51–100 题覆盖更高级的主题，其中多个部分标为可选；有经验的学习者可以按需选择时间序列、透视表、清洗或可视化等内容。
课程会使用大型真实数据集或完成一个完整项目吗？
不会。课程使用小型、自包含示例来单独展示 Pandas 操作，重点是知识广度和重复练习，而不是围绕一个外部数据集进行端到端分析。
