通过 9 个引导式 Beginner 实验和 45 个可验证编码步骤学习 Pandas 核心工作流。从导入库和创建简单 Series 开始，你将逐步掌握构造 DataFrame、读取 CSV、选择和筛选行、表格排序、常见数据清洗、统计计算以及记录分组。
每个实验都围绕小型数据集和明确操作展开。你会编辑 Python 脚本、从终端运行、检查输出，并在进入下一步前完成任务验证。这种结构能帮助你建立可靠的表格处理习惯，而无需从零设计开放式分析项目。
你将学到什么
- 导入 Pandas，并创建、访问和检查
Series与DataFrame - 从字典构造 DataFrame，并指定列顺序与索引标签
- 读取 CSV 文件并处理注释、表头和自定义缺失值标记
- 使用方括号、
loc、iloc和标签切片选择列与行 - 使用布尔条件、组合表达式、
isin和notnull筛选记录 - 按单列或多列排序、控制顺序并整理排序后的索引
- 通过删除或填充缺失值、去重、重命名列和类型转换清洗数据
- 计算描述性统计量，并通过
groupby与agg汇总分组
本课程适合谁
本课程适合第一次系统学习 Pandas 的 Python 初学者，也适合希望在开放式数据分析前获得引导练习的学习者。如果你偏好简短讲解、小型数据和每个编码步骤后的检查，本课程尤其合适。
前置要求： 你应掌握变量、列表、字典以及运行脚本等 Python 基础语法。不要求具备 Pandas 使用经验。
学习环境： 9 个实验均使用 Ubuntu 22.04 WebIDE，提供初始 .py 文件、终端、内存中的示例表格，以及需要时使用的两个本地 CSV 文件。45 个步骤均有任务检查，无需本地配置或外部数据账号。
常见问题
这门课与“100 个 Pandas 练习题”有什么不同？
本课程通过 9 个引导实验、概念说明和分步检查进行教学；100 题课程则是一份包含参考答案、范围更广的自主练习 Notebook。对于 Pandas 新手，本课程更适合作为起点。
课程会使用 Jupyter Notebook 吗？
不会。你将在浏览器 WebIDE 中编辑普通 Python 文件，并从终端运行，从而练习基于脚本的 Pandas 工作流。
哪些主题不在课程范围内？
课程不涉及连接或合并、透视表、时间序列、Excel 文件和绘图，而是有意聚焦 DataFrame 选择、清洗、统计和分组等基础。
实验会使用外部或大型真实数据集吗？
不会。实验使用初始脚本中的小型表格，以及用于学生信息和缺失值示例的两个本地 CSV 文件，不涉及下载、云账号或外部服务。
