走进Python数据处理

欢迎走进Python数据处理的教程。本教程主要关注的是如何利用Python这门编程语言进行常见数据的操作、处理、清洗等。通过本教程，你将了解Python编程语言在数据处理生态领域的方方面面。本教程专注于Python数据处理的类库和工具使用。

通过学习Python数据处理，你将可以通过编写Python脚本重复数据处理和数据分析过程，降低人工处理数据的错误率，将时间放在更有意义的事情上。

本课程介绍

本课程没有介绍Python基础语法，默认你已经具备了基础的Python语法。如不具备，请认真学习《Python编程基础》这门基础课程。
本课程的内容结构如下：

单元一 Numpy基础将直接带你走进Python数据处理的领域，学习掌握强大的ndarrary数组的使用、数组的索引与切片、数组的运算等，Numpy库是目前Python数值计算中最为重要的基础包，其它跟数据处理相关的库都是基于Numpy进行开发的，将Numpy的数组对象作为数据交换的通用语。

单元二 Pandas入门重点介绍Pandas的基础知识，特别是DataFrame相关知识。Pandas能将表格和关系型数据库处理数据的能力与Numpy高性能数组计算理念相结合，提供复杂的索引函数，让数据的重组、切块、切片、聚合、运算变得更加简单。更形象的说，Pandas是SQL和Excel的集合体。如果你对这些名词感觉比较陌生，也没有关系，有大致印象即可。

单元三 数据清洗准备，我们将学习Pandas如何读取文件内的数据，并对数据进行简单的转换处理。数据的准备与清洗是进行数据处理之前必须要进行的动作。Pandas可以从CSV、Excel、网页表格、HTML代码、Json、Sql等数据类型中，非常迅速方便地载入数据到DataFrame对象中。

单元四 数据分组聚合，我们将重点研究Pandas是如何对数据进行分组聚合的，这一单元也是本教程的重点与难点。
单元五 Pandas时间序列，我们将学习时间序列这一个重要的结构化数据形式。时间序列在金融、经济、生态学、物理学等具有广泛的应用。
单元六 数据可视化，我们将涉及到简单的数据图表制作，如何制作酷炫的数据可视化报表不是我们重点研究的内容，本章节主要带领大家涉猎Python在数据分析领域的常见应用。


默认显示代码：

#请每行代码下方的空白处，完成代码抄写并运行 
#在程序中导入Numpy库，并将其别名为np。
import numpy as np   
#打印Numpy的版本号 
print(np.__version__) 
#在程序中导入Pandas库，并将其别名为pd 
import pandas as pd    
#打印pandas的版本号
print(pd.__version__)