Data-Science-For-Beginners/translations/zh/examples

初学者友好的数据科学示例

欢迎来到示例目录！这套简单且注释清晰的示例旨在帮助您开始学习数据科学，即使您是完全的初学者。

📚 您将在这里找到什么

每个示例都是独立的，并包括：

• 清晰的注释，解释每一步操作
• 简单易读的代码，每次只展示一个概念
• 真实世界的背景，帮助您理解这些技术的使用场景和原因
• 预期输出，让您知道应该关注什么

🚀 开始使用

前置条件

在运行这些示例之前，请确保您已经：

• 安装了 Python 3.7 或更高版本
• 对如何运行 Python 脚本有基本了解

安装所需库

pip install pandas numpy matplotlib

📖 示例概览

1. Hello World - 数据科学风格

文件名: 01_hello_world_data_science.py

您的第一个数据科学程序！学习如何：

• 加载一个简单的数据集
• 显示数据的基本信息
• 打印您的第一个数据科学输出

非常适合希望看到第一个数据科学程序运行效果的绝对初学者。

---

2. 加载和探索数据

文件名: 02_loading_data.py

学习处理数据的基础知识：

• 从 CSV 文件读取数据
• 查看数据集的前几行
• 获取数据的基本统计信息
• 理解数据类型

这是任何数据科学项目的第一步！

---

3. 简单数据分析

文件名: 03_simple_analysis.py

进行您的第一次数据分析：

• 计算基本统计数据（均值、中位数、众数）
• 找到最大值和最小值
• 统计值的出现次数
• 根据条件过滤数据

了解如何回答关于数据的简单问题。

---

4. 数据可视化基础

文件名: 04_basic_visualization.py

创建您的第一个可视化：

• 制作简单的柱状图
• 创建折线图
• 生成饼图
• 将可视化保存为图片

学习如何通过可视化传达您的发现！

---

5. 使用真实数据

文件名: 05_real_world_example.py

通过完整示例将所有内容结合起来：

• 从存储库加载真实数据
• 清理和准备数据
• 进行分析
• 创建有意义的可视化
• 得出结论

此示例展示了从头到尾的完整工作流程。

---

🎯 如何使用这些示例

1. 从头开始：示例按难度排序编号。从 01_hello_world_data_science.py 开始，逐步学习。
2. 阅读注释：每个文件都有详细的注释，解释代码的功能和原因。仔细阅读！
3. 尝试实验：尝试修改代码。如果更改一个值会发生什么？打破代码并修复它——这是学习的方式！
4. 运行代码：执行每个示例并观察输出。与您的预期结果进行比较。
5. 扩展它：一旦理解了一个示例，尝试用自己的想法扩展它。

💡 初学者提示

• 不要着急：在进入下一个示例之前，花时间理解每个示例
• 自己输入代码：不要只是复制粘贴。输入代码有助于学习和记忆
• 查找不熟悉的概念：如果看到不理解的内容，请在线搜索或参考主课程
• 提出问题：如果需要帮助，请加入 讨论论坛
• 定期练习：每天尝试编写一点代码，而不是每周进行一次长时间的学习

🔗 下一步

完成这些示例后，您可以：

• 学习主课程的内容
• 尝试每个课程文件夹中的作业
• 探索 Jupyter 笔记本以进行更深入的学习
• 创建自己的数据科学项目

📚 其他资源

• 主课程 - 完整的20课课程
• 教师指南 - 在课堂中使用此课程
• Microsoft Learn - 免费在线学习资源
• Python 文档 - 官方 Python 参考

🤝 贡献

发现了错误或有新示例的想法？我们欢迎您的贡献！请参阅我们的 贡献指南。

---

祝学习愉快！🎉

记住：每个专家都曾是初学者。一步一步来，不要害怕犯错——它们是学习过程的一部分！

---

免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。