來掌握 pandas 的基礎吧。學習如何檢視 DataFrame，並進行基本操作，包括排序列、子集化，以及新增欄位。

認識 DataFrame

檢視 DataFrame

DataFrame 的組成部分

排序與子集化

排序列

欄位子集選取

篩選列

依類別變數篩選列

新增欄位

連招出擊！

轉換 DataFrame

在本章中，你會對 DataFrame 欄位計算摘要統計，並熟練分組摘要統計與樞紐分析表。

摘要統計

Mean 與 median

摘要日期資訊

高效率摘要

累積統計

計數

刪除重複值

計算類別變數

分組摘要統計

各商店類型各占銷售額的百分比是多少？

使用 .groupby() 進行計算

多重群組摘要

樞紐分析表

以單一變數進行樞紐分析

用樞紐分析表填補遺漏值並加總數值

彙總 DataFrame

索引就像強化版的列名與欄名。學習如何把索引與切片結合，進行更強大的 DataFrame 子集化。

明確索引

設定與移除索引

使用 .loc[] 進行子集篩選

設定多層索引

依索引值排序

使用 .loc 與 .iloc 進行切片與子集擷取

切片索引值

雙向切片

切片處理時間序列

依列／欄編號做子集

操作樞紐分析表

依城市與年份樞紐化溫度

從樞紐分析表擷取子集

在樞紐分析表上進行計算

切片與索引 DataFrame

學習將 DataFrame 的內容視覺化、處理遺漏值，並將資料從 CSV 檔案匯入與匯出。

視覺化你的資料

哪一種牛油果尺寸最受歡迎？

銷售隨時間的變化

酪梨的供需關係

傳統 vs 有機酪梨的價格比較

遺漏值

找出遺漏值

移除遺漏值

取代遺漏值

建立 DataFrame

字典清單

清單組成的字典

讀寫 CSV

CSV 轉成 DataFrame

DataFrame 轉成 CSV

總結

建立與視覺化 DataFrame

You will learn to analyze data across multiple dimensions at once, enabling you to discover nuanced patterns by breaking down summaries along several categories simultaneously.

Multiple Grouping Columns

You will learn to break down summary statistics by categories, enabling you to compare metrics across different groups and discover patterns in your data.

One Grouping Column

您將學習透過計算總和、平均值與計數等關鍵統計指標來彙總資料，使您能從原始資料中提取具意義的洞見。

摘要值

Data Aggregation

You will learn to handle multi-step calculations and compute percentages of totals, enabling you to build complex metrics that depend on intermediate results.

Complex Transformations

You will learn to create new columns by combining and calculating values from existing data, enabling you to derive ratios and other metrics not available in the original dataset.

Basic Transformations

Data Transformation

You will learn to extract specific rows from your data based on conditions, enabling you to focus your analysis on relevant subsets and handle missing values and text patterns.

Basic Filtering

You will learn to filter data using multiple criteria at once, enabling you to extract precisely the rows you need by combining conditions with AND and OR logic.

Multiple Conditions

You will learn to simplify complex filtering by breaking conditions into separate columns, and to extract the opposite of a filter result, making your analysis more transparent and verifiable.

Complex Filtering

Data Filtering

您將學會根據特定條件應用不同的運算，使您能夠標準化數值、將資料分類，並處理資料中的各種情境。

條件式轉換

You will learn to calculate summaries that include only values meeting specific criteria, enabling you to compute nuanced metrics like "average of delayed flights only" within each group.

Conditional Aggregation

Conditional Operations

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas 是全球最受歡迎的 Python 函式庫，從資料操作到資料分析都用得到。本課程中，你會學到如何操作 DataFrame，包含擷取、篩選與轉換真實世界的資料集，以便進行分析。透過 pandas，你將探索資料科學的核心概念。使用真實資料（包含 Walmart 銷售數據與全球氣溫時間序列），你會學習如何匯入、清理、計算統計量，並建立視覺化圖表——運用 pandas 來強化 Python 的威力！

影片提供即時逐字稿，你可以點選影片左下角的「Show transcript」開啟。

課程名詞表位於右側的資源區塊。

若要取得 CPE 學分，你需要完成本課程，並在合格測驗中達到 70% 的分數。你可以點擊右側的 CPE 學分提示前往測驗。

pandas 是全球最受歡迎的 Python 函式庫，廣泛應用於資料處理與資料分析。 在本課程中，AI Tutor 將全程陪伴您，帶領您學習如何操作 DataFrames，並透過彙總、篩選及轉換真實世界的資料集來進行分析。 使用 pandas，您將學習所有在資料科學中不可或缺的核心資料操作。

<h2>探索使用 pandas 進行資料操作</h2>
透過本課程，您將了解為什麼 pandas 是全球最受歡迎的 Python 函式庫，廣泛應用於資料操作與資料分析等各種領域。 您將學習如何操作DataFrame，從中擷取、篩選並轉換真實世界的資料集，以進行分析。 
<br><br>
透過 pandas，您將深入探索所有核心資料科學概念。 透過真實世界的資料，包括 Walmart 銷售數據和全球溫度時間序列，您將學習如何匯入、清理、計算統計數據並建立視覺化圖表——運用 pandas 進一步發揮 Python 的強大功能。
<br><br>
<h2>使用 pandas Data 探索核心資料科學概念</h2>
您將從精通 pandas 的基礎開始，學習如何檢視 DataFrame 並進行一些基本操作。 您還將學習如何彙總DataFrames，接著進一步了解切片與索引。 
<br><br>
您將在課程最後學習如何視覺化您的DataFrames內容，並實際操作一個包含美國酪梨每週銷售數據的資料集。 
<br><br>
<h2>學習操作 DataFrames</h2>
完成本 pandas 課程後，您將了解如何使用這個 Python 函式庫進行資料處理。 您將了解DataFrames及其使用方法，並能夠在Python中將您的資料視覺化。

Intermediate Python

本課程教你用pandas操作資料，學習如何提取、篩選和轉換真實世界的數據集進行分析。

使用 pandas 進行資料操作

掌握使用 pandas 匯入與清理資料、計算統計數據、製作視覺化圖表。 

使用 .loc 與 .iloc 進行切片與子集擷取

Create Your Free Account