入門～中階 · 免費公開

NumPy／Pandas 資料處理基礎

雙語教材 · ndarray／DataFrame · 聯絡 psyche@mail.grokbot.com

初學貼士

初學貼士

  • 先 Python，再陣列／表格。
  • NumPy＝陣列；Pandas＝表格。
  • 無本機用 Colab 練習 import。

課節進度

開始學習吧！勾選完成的課節。

0% 完成（0／6 課節）

  • 11. 為何要學
  • 22. NumPy
  • 33. Pandas
  • 44. 日常流程
  • 55. 實作路徑
  • 66. 官方連結

提示：點擊課節即可標記／取消（存於本機）。

一句話：NumPy＝快陣列；Pandas＝表格工作流；兩者是統計／ML／分析地基。

1. 為何要學 NumPy／Pandas？

  • list 太慢；要型別＋向量化。
  • Sklearn／繪圖／統計都吃它們。
  • 銜接統計／ML／分析師路線。
工具 擅長 核心物件
NumPy 數值陣列、廣播 ndarray
Pandas 表格讀寫、清洗、groupby Series／DataFrame

2. NumPy 速覽

ndarray 與 dtype

  • 同質多維陣列；看 dtype。
  • shape／ndim／size／dtype。

建立與 reshape

import numpy as np a = np.array([1, 2, 3]) b = np.zeros((2, 3)) c = np.arange(0, 10, 2) # [0 2 4 6 8] d = np.linspace(0, 1, 5) # 5 點均分 e = np.arange(12).reshape(3, 4)

索引、切片、廣播、向量化

  • 切片；二維用逗號索引。
  • 廣播＝少寫迴圈。
  • 向量化運算遠快於純 Python 迴圈。
  • 切片常是 view；要副本用 .copy()。

3. Pandas 速覽

Series 與 DataFrame

  • Series＝一欄。
  • DataFrame＝表格。

讀入、選取、過濾

import pandas as pd df = pd.read_csv("data.csv") df.head() df["age"] # 一欄 → Series df[["name", "age"]] # 多欄 df.loc[0:2, ["name"]] # 標籤索引 df.iloc[0:3, 0:2] # 位置索引 df[df["age"] > 30] # 布林過濾

groupby、缺失值、合併

  • ：分組再聚合（sum／mean／count…）。" data-en="df.groupby("city")["sales"].sum() — split → apply → combine." data-i18n-html="1">groupby → sum／mean／count。
  • isna／dropna／fillna。
  • （類似 SQL JOIN）；直向拼接用 pd.concat。" data-en="Join briefly: pd.merge(left, right, on="key") (SQL-like); stack with pd.concat." data-i18n-html="1">merge≈JOIN；concat 拼接。

4. 日常資料流程

  1. Load：讀進 DataFrame。
  2. Clean：型別／缺失／重複。
  3. Explore：describe／groupby／圖。
  4. Export：to_csv／交 ML。

建議用 Colab 練習。

5. 建議實作路徑

  1. pip install numpy pandas（或 Colab）。
  2. 小練習：陣列統計＋CSV 過濾／groupby。
  3. → 統計 → ML。
  4. 見 Python／分析師／DS 路線。

← 首頁

課程完成標記

登入會員後可將整門課標記完成並同步至儀表板。