You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
leestott
57edd69619
|
4 months ago | |
|---|---|---|
| .. | ||
| README.md | 4 months ago | |
README.md
初學者友善的資料科學範例
歡迎來到範例目錄！這些簡單且有詳細註解的範例旨在幫助您開始學習資料科學，即使您是完全的初學者。
📚 您會在這裡找到什麼
每個範例都是獨立的，並包含：
- 清晰的註解，解釋每一步驟
- 簡單易讀的程式碼，一次展示一個概念
- 真實世界的背景，幫助您了解何時以及為什麼使用這些技術
- 預期輸出，讓您知道應該看到什麼結果
🚀 開始使用
先決條件
在執行這些範例之前，請確保您已經：
- 安裝 Python 3.7 或更高版本
- 基本了解如何執行 Python 腳本
安裝所需的庫
pip install pandas numpy matplotlib
📖 範例概覽
1. Hello World - 資料科學風格
檔案： 01_hello_world_data_science.py
您的第一個資料科學程式！學習如何：
- 載入簡單的資料集
- 顯示有關資料的基本資訊
- 輸出您的第一個資料科學結果
非常適合想要看到第一個資料科學程式運作的絕對初學者。
2. 載入和探索資料
檔案： 02_loading_data.py
學習處理資料的基本知識：
- 從 CSV 檔案讀取資料
- 查看資料集的前幾行
- 獲取有關資料的基本統計資訊
- 了解資料型別
這通常是任何資料科學專案的第一步！
3. 簡單資料分析
檔案： 03_simple_analysis.py
進行您的第一次資料分析：
- 計算基本統計數據（平均值、中位數、眾數）
- 找出最大值和最小值
- 計算值的出現次數
- 根據條件篩選資料
看看如何回答有關資料的簡單問題。
4. 資料視覺化基礎
檔案： 04_basic_visualization.py
創建您的第一個視覺化：
- 繪製簡單的柱狀圖
- 創建折線圖
- 生成圓餅圖
- 將視覺化結果保存為圖片
學習如何以視覺方式傳達您的發現！
5. 使用真實資料
檔案： 05_real_world_example.py
將所有內容結合在一起的完整範例：
- 從資料庫載入真實資料
- 清理和準備資料
- 進行分析
- 創建有意義的視覺化
- 得出結論
此範例展示了從頭到尾的完整工作流程。
🎯 如何使用這些範例
- 從頭開始：範例按難度排序編號。從
01_hello_world_data_science.py開始，逐步完成。 - 閱讀註解：每個檔案都有詳細的註解，解釋程式碼的作用及原因。仔細閱讀！
- 嘗試修改：嘗試修改程式碼。如果更改某個值會發生什麼？破壞程式並修復它——這是學習的方式！
- 執行程式碼：執行每個範例並觀察輸出。與您的預期結果進行比較。
- 擴展範例：一旦理解了範例，嘗試用自己的想法擴展它。
💡 初學者提示
- 不要急躁：在進入下一個範例之前，花時間理解每個範例
- 自己輸入程式碼：不要只是複製貼上。輸入程式碼有助於學習和記憶
- 查詢不熟悉的概念：如果看到不理解的內容，請在線搜索或查看主要課程
- 提出問題：如果需要幫助，請加入 討論論壇
- 定期練習：每天嘗試編寫一些程式碼，而不是每週一次的長時間學習
🔗 下一步
完成這些範例後，您可以：
- 學習主要課程的內容
- 嘗試每個課程資料夾中的作業
- 探索 Jupyter 筆記本以進一步深入學習
- 創建自己的資料科學專案
📚 其他資源
- 主要課程 - 完整的 20 篇課程
- 給教師的指南 - 在課堂中使用此課程
- Microsoft Learn - 免費的線上學習資源
- Python 文件 - 官方 Python 參考
🤝 貢獻
發現錯誤或有新範例的想法？我們歡迎您的貢獻！請參閱 貢獻指南。
祝學習愉快！🎉
記住：每位專家都曾是初學者。一步一步來，不要害怕犯錯——它們是學習過程的一部分！
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不精確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。