Python基础、数据科学入门NumPy（数值计算）、Pandas（数据处理）、Matplotlib（数据可视化）附视频教程
Python基础 + 数据科学入门指南
- Python是数据科学领域最主流的编程语言，其简洁的语法、丰富的库生态（如NumPy、Pandas、Matplotlib）使其成为入门数据科学的首选工具。本文将从Python基础语法入手，逐步过渡到数据科学核心工具，最后通过实战案例帮助你掌握入门级数据科学工作流。
- 视频教程：
https://pan.quark.cn/s/608adfeae3f9
第一部分：Python基础语法（必学核心）
Python基础是数据科学的“地基”，无需掌握所有高级特性，重点攻克以下核心模块即可满足数据科学入门需求。
1. 环境搭建：快速上手Python
首先需要安装Python解释器和代码编辑器，推荐“Anaconda + VS Code”组合（新手友好，自带数据科学常用库）：
- Anaconda：包含Python解释器、conda包管理器和150+数据科学库（无需手动安装NumPy/Pandas），下载地址：Anaconda官网
- VS Code：轻量型代码编辑器，安装“Python”插件后可直接运行代码，支持语法提示和调试，下载地址：VS Code官网
安装完成后，打开VS Code新建.py文件，输入print("Hello Data Science!")，点击运行按钮，若输出字符串则环境搭建成功。
2. 核心语法：数据科学常用知识点
（1）变量与数据类型
数据科学中处理的核心是“数据”，需先掌握Python的基础数据类型：
| 数据类型 | 说明 | 示例 | 数据科学用途 |
|---|---|---|---|
| 整数（int） | 无小数部分的数字 | age = 25 | 计数（如样本数量、类别编号） |
| 浮点数（float） | 带小数部分的数字 | score = 98.5 | 连续型数据（如身高、收入） |
| 字符串（str） | 文本信息，用引号包裹 | name = "data" | 处理标签（如用户ID、类别名称） |
| 列表（list） | 有序、可修改的元素集合，用[]表示 | nums = [1, 2, 3, 4] | 存储一维数据（如一列数值） |
| 字典（dict） | 键值对（key-value）集合，用{}表示 | student = {"name": "Tom", "age": 20} | 存储结构化数据（如一条样本） |
| 数组（array） | （需NumPy库）高效存储数值的多维结构 | import numpy as np; arr = np.array([1,2,3]) | 数据科学核心数据结构 |
常用操作示例：
# 列表操作（提取、修改、切片）
data = [10, 20, 30, 40, 50]
print(data[0]) # 提取第一个元素：10（Python索引从0开始）
print(data[1:3]) # 切片（左闭右开）：[20, 30]
data[2] = 35 # 修改元素：data变为[10,20,35,40,50]# 字典操作（按key取值）
sample = {"height": 175.5, "weight": 68.2, "gender": "male"}
print(sample["weight"]) # 输出：68.2
（2）控制流：循环与判断
数据处理中常需“筛选数据”（判断）或“批量计算”（循环），核心语法如下：
-
if-else判断（筛选数据）：
score = 85 if score >= 90:print("优秀") elif score >= 80:print("良好") # 输出：良好 else:print("及格") -
for循环（批量处理）：
# 计算列表中所有元素的平均值 nums = [12, 15, 18, 20, 25] total = 0 for num in nums:total += num # 累加每个元素 average = total / len(nums) print(average) # 输出：18.0 -
列表推导式（简化循环，数据科学常用）：
# 快速生成“nums中大于15的元素”组成的新列表 nums = [12, 15, 18, 20, 25] filtered_nums = [x for x in nums if x > 15] print(filtered_nums) # 输出：[18, 20, 25]
（3）函数：封装重复逻辑
数据科学中常需重复使用“计算均值”“标准化”等逻辑，用函数封装可提高效率：
# 定义一个计算均值的函数
def calculate_average(data):total = sum(data)avg = total / len(data)return avg # 返回计算结果# 调用函数
scores = [88, 92, 79, 95, 85]
print(calculate_average(scores)) # 输出：87.8
第二部分：数据科学核心库（入门三件套）
掌握Python基础后，重点学习NumPy（数值计算）、Pandas（数据处理）、Matplotlib（数据可视化） ——这三个库是数据科学的“基石”，覆盖从数据加载、清洗到分析、展示的全流程。
1. NumPy：高效数值计算库
NumPy的核心是ndarray（多维数组），相比Python列表，它支持批量数值运算（无需循环），且运算速度更快，是Pandas和Matplotlib的底层依赖。
核心用法：
import numpy as np # 导入库（约定简写为np）# 1. 创建数组
arr1 = np.array([1, 2, 3, 4]) # 一维数组
arr2 = np.array([[1, 2], [3, 4]]) # 二维数组（2行2列）# 2. 数组属性（了解数据结构）
print(arr2.shape) # 输出：(2, 2)（行数×列数）
print(arr2.dtype) # 输出：int64（数据类型）# 3. 批量运算（无需循环，核心优势）
arr3 = arr1 * 2 # 每个元素乘2
print(arr3) # 输出：[2 4 6 8]# 4. 常用函数（统计、聚合）
print(np.mean(arr1)) # 均值：2.5
print(np.max(arr1)) # 最大值：4
print(np.sum(arr2, axis=0)) # 按列求和：[4 6]（axis=0列，axis=1行）
2. Pandas：数据处理与分析库
Pandas是数据科学的“瑞士军刀”，核心数据结构是DataFrame（表格型数据），可轻松实现“加载Excel/CSV数据、缺失值处理、筛选、分组统计”等高频操作。
核心用法（以CSV数据为例）：
假设我们有一份“学生成绩数据”scores.csv，内容如下：
| name | math | english | gender |
|---|---|---|---|
| Tom | 92 | 88 | male |
| Lily | 95 | 93 | female |
| Jack | 80 | 75 | male |
用Pandas处理该数据的示例：
import pandas as pd # 导入库（约定简写为pd）# 1. 加载数据（支持CSV/Excel/数据库等）
df = pd.read_csv("scores.csv") # df是DataFrame对象（表格）
print(df.head()) # 查看前5行数据（默认5行，避免数据过多）# 2. 查看数据基本信息（数据科学第一步：了解数据）
print(df.info()) # 查看列名、数据类型、缺失值数量
print(df.describe()) # 查看数值列（math/english）的统计指标（均值、标准差等）# 3. 数据筛选（按条件提取行）
# 筛选“math成绩>90”的学生
high_math = df[df["math"] > 90]
print(high_math)# 4. 缺失值处理（数据清洗核心步骤）
# 查看各列缺失值数量
print(df.isnull().sum())
# 若有缺失值，可填充均值（数值列）或删除行
df["math"] = df["math"].fillna(df["math"].mean()) # 用math列均值填充缺失值# 5. 分组统计（按类别分析数据）
# 按gender分组，计算math和english的平均分
gender_avg = df.groupby("gender")[["math", "english"]].mean()
print(gender_avg)
3. Matplotlib：数据可视化库
“一图胜千言”，Matplotlib可绘制折线图、柱状图、散点图等，帮助直观理解数据规律（如相关性、分布）。
核心用法（结合Pandas数据绘图）：
import matplotlib.pyplot as plt # 导入库（约定简写为plt）
import pandas as pd# 加载数据（延续上文的学生成绩数据）
df = pd.read_csv("scores.csv")# 1. 绘制柱状图（比较不同学生的math成绩）
plt.figure(figsize=(8, 4)) # 设置图的大小（宽×高）
plt.bar(df["name"], df["math"], color="skyblue") # 柱状图：x=姓名，y=math成绩
plt.title("Student Math Scores") # 图标题
plt.xlabel("Name") # x轴标签
plt.ylabel("Math Score") # y轴标签
plt.show() # 显示图片# 2. 绘制散点图（分析math和english成绩的相关性）
plt.figure(figsize=(8, 4))
plt.scatter(df["math"], df["english"], color="orange") # 散点图：x=math，y=english
plt.title("Math vs English Scores")
plt.xlabel("Math Score")
plt.ylabel("English Score")
plt.show()
第三部分：进阶方向
- 机器学习：学习Scikit-learn库，掌握线性回归、决策树、随机森林等基础算法
- 深度学习：学习TensorFlow/PyTorch库，应用于图像识别、自然语言处理
- 大数据处理：学习Spark（PySpark），处理百万级以上大规模数据
通过以上内容，你可以搭建起Python数据科学的基础框架。建议先从“Python基础+Pandas”入手，多做数据清洗和分析练习，再逐步学习可视化和算法，积累实战经验是关键！