1. 进货篇-Day1｜厨房初开：pandas 是什么，安装与导入，认识 DataFrame

欢迎走进数据厨房！今天正式开张 —— 认识你最重要的 "厨具"：pandas。它能把杂乱的数据变成整齐的 "食材桌"（DataFrame），从此处理数据像摆弄砧板上的食材一样得心应手。

1

2026-10-21

2. 进货篇-Day2｜进货第一式：read_csv 读取 CSV 文件数据

数据厨房最常用的 "进货" 方式，就是读 CSV 文件。CSV 是数据界最普遍的 "食材包装"—— 一行行逗号分隔的文本。今天学进货第一式：read_csv，一咒把 CSV 读成干净的食材桌。

5

2026-10-21

3. 进货篇-Day3｜进货第二式：read_excel 读取 Excel 表格数据

除了 CSV，Excel 是另一种常见 "食材包装"。很多人数据都存在 Excel 表格里。今天学进货第二式：read_excel，把 Excel 工作表读成食材桌，还能指定读取哪张表、哪几行。

1

2026-10-21

4. 进货篇-Day4｜进货第三式：读取 JSON、字典等多样数据源

CSV、Excel 是 "成品包装"，但很多数据是散装的 —— 来自接口返回的 JSON、代码里的字典、甚至网页抓来的数据。今天学进货第三式：把这些 "散装食材" 也读成规整的食材桌。

1

2026-10-21

5. 进货篇-Day5｜识菜明鉴：查看数据概览：head /tail/info /describe

食材进了一大堆，先得 "识菜明鉴"—— 快速看清这批货怎么样。今天学四招鉴货法门：head 看头、tail 看尾、info 看结构、describe 看数值统计。一眼掌握数据全貌。

0

2026-10-21

6. 进货篇-Day6｜切配预备：查看行列、索引、列名、数据类型

食材桌搭好了，下刀前先看清 "案板的布局"—— 有几行几列、索引怎么排、列名是什么、每列是什么类型。今天学切配预备：shape、columns、index、dtypes，把食材桌的结构摸清楚，下刀才不切错。

0

2026-10-21

7. 进货篇-Day7｜厨房实战 Kata：综合读取 + 概览一个真实数据集

进货篇五式法门已尽数学成！读取、看头尾、看结构、看统计、摸清布局 —— 今天把它们串成完整流程，实战 "进货一批真实数据并做全面鉴货"。验收你的第一份数据分析基本功。

0

2026-10-21

8. 择洗篇-Day8｜择菜去重：drop_duplicates 去重数据

数据进多了，难免有 "重复的菜"—— 同一批数据抄了两遍。今天学择菜去重：drop_duplicates，把重复的行挑出来扔掉，让食材桌干净清爽，分析才不会被重复数据干扰。

0

2026-10-21

9. 择洗篇-Day9｜剔刺除缺：isnull /notnull 检测缺失值

清洗食材时，常发现某些格子是空的 —— 有的菜没记价格、有的没记数量。这些缺失值就是数据里的 "刺"。今天学剔刺除缺：用 isnull / notnull 检测哪里缺了，把缺失位置找出来，才谈得上后续处理。

0

2026-10-21

10. 择洗篇-Day10｜补料添味：fillna 填充缺失值、dropna 删除缺失

昨天找到了缺失值（空位子），今天动手处理 —— 要么补料（fillna 填充），要么剔掉（dropna 删除）。就像做菜时，锅里少了料，要么添上一勺，要么干脆不放那道菜。今天学这两种处理缺失的功夫。

0

2026-10-21

11. 择洗篇-Day11｜调味转化：astype 类型转换，规范化数据

数据有时候 "调味不当"—— 本该是数字的读成了文本，本该是整数的带着小数点，本该是日期的还是字符串。类型不对，很多分析做不了。今天学调味转化：astype，把每列数据转成正确的类型，让数据 "该是什么就是什么"。

0

2026-10-21

12. 择洗篇-Day12｜勾芡替换：replace 替换、rename 重命名字段

数据里有不少 "杂味" 要调 —— 某个值写错了要换成对的，列名不好看想换个名。今天学勾芡替换：replace 替换数据值，rename 重命名字段名。让数据里的文字和列名都 "顺口顺眼"。

0

2026-10-21

13. 择洗篇-Day13｜定位取料：条件筛选 loc /iloc 选取数据

食材桌上菜很多，可我只想挑出 "价格低于 5 元的" 或 "销量最高的那几条"。今天学定位取料：loc 按标签（列名 / 索引名）取、iloc 按位置（第几行第几列）取。想取哪块料，精准下刀。

1

2026-10-21

14. 择洗篇-Day14｜切片备料：列选取、行选取、切片与排序

做菜前常要 "备料"—— 只要某几样菜、只留前几行、按价格排个序。今天学切片备料：选取指定列 / 行、用 sort_values 排序。把食材桌按你的需要 "切配" 好，为后面的分析做准备。

0

2026-10-21

15. 择洗篇-Day15｜合料拼盘：concat 合并、merge 连接多份数据

数据常常散在好几张桌 —— 这桌是进货价、那桌是销量。今天学合料拼盘：concat 把多张表 "上下拼起来"，merge 把多张表 "按关键列对接起来"。把分散的数据合成一张完整的大桌，分析才全面。

0

2026-10-21

16. 择洗篇-Day16｜厨房实战 Kata：完整清洗流程：读入 → 去重 → 补缺 → 规范

择洗篇招式已尽数学成！读入、去重、查缺、填充、转类型、替换、改名、选料、排序、合并 —— 今天把它们串成一套完整清洗流水线，实战处理一份 "脏数据"，让它变成干净可用的食材桌。这是数据分析最扎实的基本功。

0

2026-10-21

17. 烹制篇-Day17｜开锅初尝：groupby 分组统计，按组分析数据

食材备好，正式开锅！数据分析最核心的一招就是分组统计。今天学 groupby：按某个字段把数据分成一组一组（比如按菜系、按月份、按地区），再对每组做统计。从 "看整桌" 到 "看每一组"，分析才有深度。

0

2026-10-21

18. 烹制篇-Day18｜调料聚合：agg 聚合函数：sum /mean/max /min

昨天学了分组后用单一方法统计。今天升级 —— 学 agg 聚合函数，一次算多个指标：总和、均值、最大值、最小值一起出。就像调一锅料，咸甜辣一次配齐，统计信息更完整。

0

2026-10-21

19. 烹制篇-Day19｜多味调和：多列分组 + 多指标聚合分析

昨天学了 "一组分多指标"，今天再升级 ——多列分组 + 多指标聚合。不只按 "菜系" 分，还能按 "菜系 + 时段" 两层分；不只算销量，还能同时算销量总和、均值、菜品数量。层次更细，信息更全，分析能力再上一个台阶。

0

2026-10-21

20. 烹制篇-Day20｜透视起锅：pivot_table 数据透视表

昨天学的多列分组，今天换个更 "可视化" 的呈现方式 ——数据透视表。用 pivot_table，把 "行" 和 "列" 都铺成两个维度，中间填上统计值，像 Excel 的透视表一样，一眼看清交叉维度的规律。

0

2026-10-21

21. 烹制篇-Day21｜计数量盘：value_counts 统计频次、占比

很多分析只是想数数 ——"这个分类出现了多少次、占比多少"。今天学计数量盘：value_counts，统计一列里每个值出现的次数，还能算占比。这是最常用、最简单的 "盘点" 工具，一句话就能出结果。

0

2026-10-21

22. 烹制篇-Day22｜排序装盘：sort_values 排序分析，找极值

数据一堆，最关心的常常是 "哪个最好、哪个最差"—— 销量最高的、价格最低的。今天学排序装盘：用 sort_values 排序，再配合 head 找出极值（最大值、最小值），让数据的好差高下立判。

0

2026-10-22

23. 烹制篇-Day23｜关联探味：corr 相关分析，找变量关系

有些分析想找 "两个东西的关系"—— 价格越高销量越低？广告越多顾客越多？今天学关联探味：用 corr 计算相关系数，看变量之间是正相关、负相关还是没关系。从数据里 "嗅" 出变量间的联系。

0

2026-10-22

24. 烹制篇-Day24｜厨房实战 Kata：综合数据分析：分组 + 聚合 + 透视出一份结论

烹制篇招式已尽数学成！分组、多聚合、透视、频次、排序、相关 —— 今天把它们串成一套综合分析流程，对一份销售数据做全面 "品鉴"，最终得出可读的分析结论。从 "会算数" 到 "会出结论"，这是分析能力的质变。

0

2026-10-22

25. 摆盘篇-Day25｜摆盘初识：matplotlib 基础，pandas 内置 plot 画图

数据分析的 "最后一道工序" 是装盘上桌—— 把算出的数字画成图，让人一眼看懂。今天学摆盘初识：认识 matplotlib，学会用 pandas 内置的 plot 方法快速画出第一张图。让数据从 "冷冰冰的数字" 变成 "热气腾腾的图景"。

0

2026-10-22

26. 摆盘篇-Day26｜柱状摆盘：柱状图 bar，对比各类数据

昨天画了第一张图，今天专攻最常用的柱状图。柱状图用柱子的高低来对比 "各类数据"，最适合 "谁多谁少、谁高谁低" 这类比较。学会它，几乎能应对所有 "对比" 需求。

0

2026-10-22

27. 摆盘篇-Day27｜趋势线谱：折线图 plot，看数据趋势变化

柱状图适合 "比多少"，但要 "看变化"—— 销量怎么随时间涨跌、温度怎么逐月升降 —— 得用折线图。今天学 趋势线谱：用折线图看数据的趋势变化，找出 "一路走高、波动起伏、稳步下滑" 的规律。

0

2026-10-22

28. 摆盘篇-Day28｜占比圆盘：饼图 pie，看占比分布

前面两种图是 "比多少"" 看趋势 "，今天学饼图—— 专门看 "占比分布"：每一部分占整体的多少成。学会 kind="pie"，用一张圆盘把 "谁占几成" 画得明明白白。

0

2026-10-22

29. 摆盘篇-Day29｜分布汤锅：直方图 hist，看数据分布

前面画的都是 "分类" 数据，但有一类问题要问 "数值的分布"—— 价格大多集中在哪个区间？销量有没有特别大的异常值？今天学 分布汤锅：用直方图 hist，把一大堆数值按区间分组，看数据 "长什么样、集中在哪、分不分散"。

0

2026-10-22

30. 摆盘篇-Day30｜收官满汉全席：完整项目，读入 → 清洗 → 分析 → 可视化一条龙

三十天修行，最后一课！把四大篇章全部招式融成一桌满汉全席—— 读入数据、清洗杂质、统计分析、画图展示，一条龙走完整个数据分析流程。这是你自己能独立交付的第一个 "成品分析项目"，从 "学会招式" 到 "端出一桌好菜" 的毕业之作。

0

2026-10-22