用 Python 操作資料 : Panda 速成班

瞭解如何使用 Python 和 Pandas 進行資料分析和資料操作。使用 Python 轉換、清理和合併資料

從這 9 小時的課程，你會學到

使用從直方圖到降維的方法來視覺化資料
建立、儲存和序列化多種格式資料幀(data frames)的詳情
容易地清理和格式化資料
檢測並智慧地填充缺少的值
對資料進行分組、彙總和總結
將資料來源合併成一個美麗的整體
像專業人士做樞紐( pivot )和交叉表格資料分析
對時間序列資料進行拼接、總結和探討
無縫地處理來自不同時區的資料
學習困住初學者的常見陷阱和圈套，以及如何避免它們

要求

基本的 Python 知識

課程說明

在現實世界中，資料一點也不乾淨，這就是 Python 的 Pandas 這樣的程式庫如此有價值的原因。

如果資料操作( data manipulation )讓你的資料分析工作過程感到挫折，那麼這門課程是關鍵，幫你找回力量。

擁有你的資料，不要讓你的資料控制你！

當資料準備工作佔據了資料科學家工作的 80% 時，學習儘可能高效地將原始資料轉化為最終產品進行分析的技術對於成功與否至關重要。

準備好取得更好的結果，提高你的生產力，花更多的時間解決問題和花更少的時間在資料清洗 ( Data Wrangling )，並採用本課程提供的工具和技術視覺化技術更有效地溝通你的見解！

準備學習常用和先進的資料操作技術，以便儘可能有效地使用 Pandas 將原始資料轉化為最終的預分析的產品( pre-analysis product )。這就是為什麼 Pandas 是資料科學領域最受歡迎的 Python 程式庫( library )，也是為什麼 Google、 Facebook、 JP 摩根和幾乎所有其他分析資料的大公司的資料科學家都使用 Pandas。

如果你想學習如何有效地利用 Pandas 來操作( manipulate )、轉換( transform )、樞紐分析( pivot )、堆疊( stack )、合併( merge )和聚合( aggregate )你的資料，為視覺化、統計分析或機器學習做準備，那麼這門課程就是為你而開設的。以下是當你註冊 Samuel Hinton 博士的課可以期待的 :

學習常用和先進的資料操作技術，以便儘可能高效地將原始資料轉化為最終產品進行分析。
將有更多的時間解決問題而花較少的時間做資料清理，獲得更好的結果。
學習如何形塑和操作資料，使統計分析和機器學習儘可能簡單。
利用 Python 的最新版本和行業標準的 Pandas 程式庫。

Pandas 可以幫助你做很多事情，但是它有一個缺點 – 它佔據的容量太大了！

只見樹不見林 : 當你更深入 Pandas 程式庫( library )，你會很快發現 Pandas 提供的功能的數量之多是壓倒性的。你應該從哪裡開始？特定用例中的正確功能是什麼？解決具體問題最有效的方法是什麼？本課程指導初學者和中級者順利使用最有用和最靈活的方法，這將提高他們的資料操作的技能。

在完成這門課後，你將能游刃有餘地深入研究複雜和異構的資料集( heterogeneous datasets )，並且絕對信任它們能夠為下一階段的分析產生一個有用的資料集。

最後，本課程還包含了一些基於現實生活中的例子的備忘清單和實踐練習。所以你不僅可以學習理論，還能用 Pandas 一起親身實踐。

目標受眾

希望學習如何專業地操作資料的 Python 學生
有抱負希望提升技能的資料分析師和科學家
喜歡花更多時間解決有趣的問題而不是格式化資料的人
在程式設計方面的老手，想看看什麼新方法和行業領先的工具可信手捻來應對新的十年

講師簡介

Samuel Hinton 天體物理學家，軟體工程師和演講者

大家好，我是山姆，我是一名天體物理學家，機器人技術和軟體工程師，天文學家和公共演講者。

我的主要工作包括研究暗能量的本質，但是我也花了很多時間提倡開源開發和正確的編碼實踐。憑藉多年在金融軟體行業的經驗和在運算物理學的教學經驗，我致力於提高科學領域的程式設計水平，並將基本的程式設計知識帶給任何渴望學習的學生。

除了我的研究工作之外，我還舉辦過全國性的程式設計研討會，內容從完全的新手到研究專家不等。我很高興能把我的知識和內容帶給更多的聽眾，並希望我的直接和到位的教學態度能讓學生更快更好地理解核心概念，節省學生的時間和減小壓力！

Ligency 建構現實世界的 AI 產品

加入 Ligency，與超過 340 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型( LLM )及其驅動的產品。您將學習AI 和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統 – 聊天機器人、Co-Pilot、自動化和 AI 代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境 – 從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 Agents – 從最初的響應式設計到生產模式（RAG、Agents、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程 – 設計、編排和部署強大的 AI Agents 和 Agentic 工作流程。

生產環境中的 AI : 大規模的 Gen AI 和 Agenttic AI – AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式 AI 策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提陞技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品 – 然後將其推向用戶。這就是 Ligency 的行事方式。

SuperDataScience Team 幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在 24 小時內回覆。

我們熱衷於幫助你享受課程！