《根据数据选择开放时段》是一门运用 pandas 和 Matplotlib 的实践项目课程，面向已经会读取、筛选和分组数据的学习者。帮助社区场馆公平比较开放时段，交付可复用的 Python 分析、完整 CSV 表格、真实图表和在观测证据充分时提出的建议。
两项引导实验从手算开放机会相同的小例子出发，逐步处理缺测、可比的率和明确的证据规则。一项独立挑战将相同方法迁移到另一场馆。每个单元都有独立准备的数据和工作区。
你将学到什么
完成本课程后，你将能够：
- 使用完整、唯一的日期与时段复合键，将开放计划与观测记录关联；
- 区分关闭时段、缺失记录和真实零客流；
- 计算计划小时数、有效观测小时数、记录覆盖率及每个观测小时的客流；
- 应用公开资格边界，保留所有并列最高项，并在证据不足时暂缓建议；
- 交付可重现的 CSV 表格，以及标明观测数和覆盖率的总量与率对照图；
- 解释为什么历史描述性客流率不能证明延长开放时间的效果。
本课程适合谁
本课程适合希望把熟悉的分组与绘图工具用于审慎实际判断的初级数据分析学习者。
前置要求： Python 基础、基本终端输入、pandas 读取 CSV、筛选和分组，以及 Matplotlib 柱状图。课程会教授所需的复合键合并、缺测含义和决策规则。
学习环境： 浏览器中已准备好 Python、pandas 和 Matplotlib 的 WebIDE。数据为合成数据，运行界面标签及输出为英文。无需在本地安装。
常见问题
需要机器学习或统计学知识吗？
不需要。你将进行描述性比较，不训练模型，也不进行显著性检验。
必须推荐一个获胜时段吗？
不必。正确结果会保留所有并列项；如果没有时段满足公开证据规则，可以暂缓建议。阈值是练习规则，不是通用的置信保证。
会得到哪些成果？
可复用脚本、完整逐小时和逐时段表格、真实 PNG 图表和简短建议，同时保留原始输入。每个单元独立初始化，无需上一 VM 的文件。
