返回资源列表

pandas(NumFOCUS)官方文档 · pandas 开发社区

如何计算汇总统计量(pandas 官方入门教程)

掌握用 pandas 对表格数据做描述性统计、分组聚合与分类计数。

打开官方课程
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)
  1. 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。

  2. 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

    运行费用:实践无额外费用,练习仅需 pandas 与教程自带的数据集,无额外付费要求。

  3. 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:Windows。如果实际不符,先调整方案。
    本次路线:Windows: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.ps1     # 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.ps1,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。将下面检查转换为 PowerShell 命令,不使用 Bash 语法。
      - 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.ps1     # 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/
准备好了,开始学习

来源与使用须知

收录时间
本站首次收录 2026-10-16
指南参考

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。