pandas 入门教程

请帮我把「pandas 入门教程」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://pandas.pydata.org/docs/getting_started/intro_tutorials/index.html
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本地练习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：没有作业和评分。每篇教程由若干问题和代码示例组成，并附 REMEMBER 小结；做法是在笔记本中逐段运行示例，再换列或条件自行改写，对照文档输出检查。
课节（官方顺序）：
1. What kind of data does pandas handle?：https://pandas.pydata.org/docs/getting_started/intro_tutorials/01_table_oriented.html
2. How do I read and write tabular data?：https://pandas.pydata.org/docs/getting_started/intro_tutorials/02_read_write.html
3. How do I select a subset of a DataFrame?：https://pandas.pydata.org/docs/getting_started/intro_tutorials/03_subset_data.html
4. How do I create plots in pandas?：https://pandas.pydata.org/docs/getting_started/intro_tutorials/04_plotting.html
5. How to create new columns derived from existing columns：https://pandas.pydata.org/docs/getting_started/intro_tutorials/05_add_columns.html
6. How to calculate summary statistics：https://pandas.pydata.org/docs/getting_started/intro_tutorials/06_calculate_statistics.html
7. How to reshape the layout of tables：https://pandas.pydata.org/docs/getting_started/intro_tutorials/07_reshape_table_layout.html
8. How to combine data from multiple tables：https://pandas.pydata.org/docs/getting_started/intro_tutorials/08_combine_dataframes.html
9. How to handle time series data with ease：https://pandas.pydata.org/docs/getting_started/intro_tutorials/09_timeseries.html
10. How to manipulate textual data：https://pandas.pydata.org/docs/getting_started/intro_tutorials/10_text_data.html

1. 环境
- python3 -m venv .venv && source .venv/bin/activate，然后 pip install pandas matplotlib jupyterlab。
- 建立 data/ 并下载 titanic.csv 与 air_quality_*.csv（curl -L -o data/titanic.csv https://github.com/pandas-dev/pandas/raw/main/doc/data/titanic.csv，其余同理）。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 教程数据 air_quality_long.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_long.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 air_quality_no2.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_no2.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 air_quality_no2_long.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_no2_long.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 air_quality_parameters.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_parameters.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 air_quality_pm25_long.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_pm25_long.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 air_quality_stations.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/air_quality_stations.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 教程数据 titanic.csv：下载 https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv 到 data/（许可：BSD-3-Clause（pandas 仓库））；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
3. 目录（最外层放在我确认的位置）
pandas-learning/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-table-oriented/
    ├── 02-read-write/
    ├── 03-subset-data/
    ├── 04-plotting/
    ├── 05-add-columns/
    ├── 06-calculate-statistics/
    ├── 07-reshape-table-layout/
    ├── 08-combine-dataframes/
    ├── 09-timeseries/
    └── 10-text-data/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import pandas, matplotlib; print(pandas.__version__)"  → 输出 pandas 版本，无报错
  - python -c "import pandas as pd; print(pd.read_csv('data/titanic.csv').shape)"  → 输出 (行数, 12)，列数为 12
  - python -c "from pathlib import Path; assert Path('data/air_quality_no2.csv').exists() and Path('data/air_quality_stations.csv').exists(); print('files-ready')"  → 空气质量数据已下载
  - jupyter lab --version  → 输出 JupyterLab 版本
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。