pand
- 难度
- 见前置条件
- 形式
- 文档
- 语言
- 英文
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
网页可公开访问,学习材料无账号门槛;动手练习需自备可运行 pandas 的环境。
- 练习与作业
- 教程使用的 Titanic 数据集(页面提供原始数据链接)
选择学习环境
按你的电脑系统准备;提示词在你自己的电脑上使用。
本机动手
本页是 pandas 官方入门教程的一节,用 Titanic 数据演示如何计算描述性统计量、按类别分组聚合以及分类计数。按页面三个小节顺序阅读并逐段运行代码即可。
需本地安装 pandas 及其依赖(或使用可运行 Python 的在线环境);练习数据为教程提供的 Titanic CSV。
准备工具和账号
标“选用”的可以跳过。
- Python 3运行教程中的 pandas 代码
- pandas提供 DataFrame 与统计、groupby、value_counts 等 API
- Titanic 示例数据(CSV) 教程练习用数据集
- 本地安装 pandas(及其依赖 NumPy)的 Python 环境,或可运行 Python 的在线环境用于练习与作业
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「如何计算汇总统计量(pandas 官方入门教程)」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/06_calculate_statistics.html 我的系统:macOS。如果实际不符,先调整方案。 本次路线:macOS:本机动手。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:把教程中的每个代码示例在 Titanic 数据上跑一遍,并尝试对 Cabin、Embarked 等类别列做 value_counts 与分组统计,观察缺失值如何影响结果。 课节(官方顺序): 1. How to calculate summary statistics(主页):https://pandas.pydata.org/docs/getting_started/intro_tutorials/06_calculate_statistics.html 1. 环境 - Python 3 - pandas(含 NumPy 依赖) - Titanic CSV 示例数据 - 可选:Jupyter Notebook 或 IPython - 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 - 官方课程页面:只记录链接 https://pandas.pydata.org/docs/getting_started/intro_tutorials/06_calculate_statistics.html 3. 目录(最外层放在我确认的位置) pandas-summary-statistics/ ├── 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/ └── 01-01-how-to-calculate-summary-statistics/ - 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 as pd; print(pd.__version__)" → 打印出 pandas 版本号,无 ImportError。 - 打开教程页并运行 pd.read_csv 读入 titanic.csv 后执行 titanic.head() → 输出 5 行 12 列,含 PassengerId、Survived、Pclass 等列。 - 运行 titanic[["Sex","Age"]].groupby("Sex").mean() → 输出 female 与 male 两行的平均年龄。 - 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。搭好后的课程目录
pandas-summary-statistics/ ├── 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/ └── 01-01-how-to-calculate-summary-statistics/
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-16
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。