飞豹客 · 课能看,资料也能带走
飞豹客体系课

《Python数据可视化:入门、实践、进阶》之入门篇新手上路

先弄清这门课解决什么问题,再决定要不要学 很多上班族和转行者在面对周报、复盘或业务汇报时,手里捏着成堆的 Excel 数据,却很难把数据背后的趋势和异常清晰地呈现出来。这门 Python 数据可视化的入门资料,解决的就是从零基础到能看懂并运行基础数据处理代码的过渡问题。它不教高深的机器学习算法,也不

单课价¥39.00新品 上架
会员价¥7.80开通会员,全站课程按会员价下载套餐详情
0 人关注 更新于 2026-10-21 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥39.00

会员 · 按档位

永久¥19.505折
年¥23.406折
月¥27.307折

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

先弄清这门课解决什么问题,再决定要不要学

很多上班族和转行者在面对周报、复盘或业务汇报时,手里捏着成堆的 Excel 数据,却很难把数据背后的趋势和异常清晰地呈现出来。这门 Python 数据可视化的入门资料,解决的就是从零基础到能看懂并运行基础数据处理代码的过渡问题。它不教高深的机器学习算法,也不涉及复杂的后端工程架构,而是把重点放在本地环境搭建、基础语法和数组操作上。如果你此前一直用鼠标点选菜单来处理表格,现在想尝试用代码把数据整理自动化,或者为后续学习 Pandas 和 Matplotlib 打地基,那么这份资料值得一看。但如果你已经能熟练写循环遍历文件,或者已经掌握了 Numpy 的多维数组运算,这门课对你来说就过于基础,可以直接跳过。

资料适合什么基础,建议先看哪几块

这套资料完全针对零基础读者。它从最底层的工具安装开始,没有默认你已经懂编程。对于平时工作繁忙的人,建议不要按部就班从头啃,而是优先看三个核心部分。首先是环境配置与工具介绍部分,重点搞懂 Jupyter Notebook 的基本操作,这是后续做数据分析最常用的交互环境,能让你边写代码边看结果。其次是 Python 基础语法部分,特别是列表和字典的常用方法,这两个数据结构在后续处理行列数据时无处不在。最后是控制流与函数编写部分,理解了 if 判断和 for 循环,你才能知道如何让程序自动批量处理数据。至于 Numpy 模块创建数组的部分,可以放在最后看,它是向量化计算的基础,理解 array 函数的用法,能帮你明白为什么数据可视化中处理大块数据不用纯 Python 循环。

学完能独立做什么,资料怎么配合练习

啃完这套入门资料,你不会立刻就能画出炫酷的动态图表,但能独立完成几件具体的事:在自己的电脑上配好 Python 运行环境;写简单的脚本来读取、清洗和整理杂乱的文本数据;用控制流和基础函数把原本需要手动复制粘贴的表格汇总工作自动化。要达到这个效果,光看不练是没用的。建议在看资料时,开两个窗口,一边看讲解,一边在自己的 Jupyter Notebook 里敲代码。遇到列表索引或字典方法,不要直接复制示例,自己造几组模拟业务数据的变量去测试。看 Numpy 部分时,试着把一个普通的二维列表转换成数组,看看形状属性。把资料里的每个小案例都在本地跑通,遇到报错先自己查基础语法,这样基础才能打牢,不至于到了真正学图表库时连变量类型都分不清。

课程目录

课程目录32 集
  • 1 讲师介绍 (02:55).mp4
  • 2 Anaconda介绍及安装 (09:13).mp4
  • 3 Jupyter Notebook工具介绍及操作演示 (13:35).mp4
  • 4 Spyder工具介绍及打开 (06:23).mp4
  • 5 Spyder工具操作入门 (10:37).mp4
  • 6 模块的安装与使用 (10:02).mp4
  • 7 Python基础操作(注释、对象、缩进详解) (11:05).mp4
  • 8 Python基本数据类型讲解 (09:31).mp4
  • 9 Python基本数据结构介绍 (05:49).mp4
  • 10 列表索引四种方式介绍及案例详解 (18:07).mp4
  • 11 列表常用方法的介绍及案例演示 (15:52).mp4
  • 12 字典常用方法及案例详解 (18:16).mp4
  • 13 Python控制流讲解(if、for、while语句) (13:49).mp4
  • 14 函数编写概述 (04:05).mp4
  • 15 Numpy模块之创建数组array函数讲解 (10:05).mp4
  • 16 Numpy模块之其他创建数组的方法介绍 (07:44).mp4
  • 17 Numpy模块数组元素索引讲解 (08:07).mp4
  • 18 Numpy:数组常用方法及案例 (10:39).mp4
  • 19 Pandas:创建序列的方法和案例详解 (10:30).mp4
  • 20 Pandas:访问序列数据 (07:08).mp4
  • 21 Pandas:创建数据框函数及案例详解 (16:01).mp4
  • 22 Pandas:序列及数据框基本功能介绍及案例演示 (13:59).mp4
  • 23 Pandas:数据子集筛选iloc和loc方法详解 (16:20).mp4
  • 24 Pandas:数据处理概述 (07:15).mp4
  • 25 Pandas:缺失值处理 (08:05).mp4
  • 26 Pandas:缺失值处理案例讲解 (08:30).mp4
  • 27 Pandas:重置索引和还原索引操作讲解 (05:11).mp4
  • 28 Pandas:数据合并介绍 (07:00).mp4
  • 29 Pandas:数据合并merge函数介绍 (05:19).mp4
  • 30 Pandas:数据分箱cut方法介绍 (04:54).mp4
  • 31 Pandas:描述统计分析和分组统计 (08:38).mp4
  • 32 Pandas:透视表pivot_table介绍 (03:49).mp4