第 18 天：NumPy + 高级 Pandas + 数据可视化入门
太棒了！你选择了 ✅路线 B：数据分析 / AI 方向，这是非常有前途的一条路！🔥
从今天开始，你在走的是：
✅ 数据分析 → 机器学习 → 人工智能 的主干路线
✅ 第 18 天：NumPy + 高级 Pandas + 数据可视化入门
今天这一关是：
✅ 从“会用表格” → 进阶到“专业数据分析”
✅ 第 18 天学习目标
今天你将学会：
- ✅ NumPy：高性能数值计算
- ✅ Pandas 进阶操作（筛选、排序）
- ✅ 数据可视化（matplotlib 画图）
- ✅ 做一个真正的 数据分析小项目
✅ 一、NumPy 入门（AI 的数学基础）
✅ 1️⃣ 安装 NumPy
如果你还没装：
pip install numpy✅ 2️⃣ 创建数组（最基础）
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))✅ 输出：
[1 2 3 4 5]
<class 'numpy.ndarray'>✅ 3️⃣ NumPy 的超级能力：批量计算！
arr = np.array([1, 2, 3, 4, 5])
print(arr * 2)
print(arr + 10)✅ 输出：
[ 2 4 6 8 10]
[11 12 13 14 15]🔥 这就是 AI 训练速度快的根本原因之一！
✅ 4️⃣ 常用 NumPy 统计函数
print(arr.mean()) # 平均值
print(arr.max()) # 最大值
print(arr.min()) # 最小值
print(arr.sum()) # 总和✅ 二、Pandas 进阶（真正的数据分析）
假设你有 score.csv：
name,score,age
小明,90,18
小红,95,19
小刚,88,18
小强,76,20✅ 1️⃣ 读取数据
import pandas as pd
df = pd.read_csv("score.csv")
print(df)✅ 2️⃣ 条件筛选（非常重要 ✅）
✅ 找出 成绩 ≥ 90 的学生
print(df[df["score"] >= 90])✅ 3️⃣ 排序（真实数据分析必备）
✅ 按成绩从高到低：
print(df.sort_values(by="score", ascending=False))✅ 4️⃣ 分组统计（大学数据分析核心技能）
✅ 按年龄分组，算平均成绩：
print(df.groupby("age")["score"].mean())✅ 三、数据可视化（让数据“看得见”）
你现在正式进入：
✅ 数据分析三件套：NumPy + Pandas + Matplotlib
✅ 1️⃣ 安装 matplotlib
pip install matplotlib✅ 2️⃣ 画一个简单折线图（成绩变化）
import matplotlib.pyplot as plt
scores = [90, 95, 88, 76]
plt.plot(scores)
plt.title("Score Line Chart")
plt.xlabel("Index")
plt.ylabel("Score")
plt.show()你会看到一个真正的“成绩走势图” ✅
✅ 3️⃣ 画柱状图（最常用）
names = ["小明", "小红", "小刚", "小强"]
scores = [90, 95, 88, 76]
plt.bar(names, scores)
plt.title("Student Scores")
plt.show()✅ 第 18 天综合实战小项目（真实数据分析）
🎯 项目名：
✅ 班级成绩数据分析系统（第一版）
✅ 功能要求：
1️⃣ 从 score.csv 读取数据
2️⃣ 统计：
- 平均分
- 最高分
- 最低分
3️⃣ 找出： - 不及格学生（< 60）
4️⃣ 画一张： - 成绩柱状图
✅ 项目参考代码（你可以直接敲）
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("score.csv")
print("平均分：", df["score"].mean())
print("最高分：", df["score"].max())
print("最低分：", df["score"].min())
print("不及格学生：")
print(df[df["score"] < 60])
# 画图
plt.bar(df["name"], df["score"])
plt.title("Class Score Analysis")
plt.xlabel("Name")
plt.ylabel("Score")
plt.show()🔥 如果你这个程序能跑通，你已经：
✅ 正式进入【数据分析 & AI 入门段位】
✅ 第 18 天练习任务（今天必须完成）
✅ 练习 1：
用 NumPy 创建数组 [10, 20, 30, 40]，计算：
- 平均值
- 最大值
✅ 练习 2（核心）：
自己创建 score.csv，至少 6 个学生
用 Pandas：
- 按成绩排序
- 找出最低分学生
✅ 练习 3（项目级）：
完成我上面给你的：
✅《班级成绩数据分析系统（第一版）》
🚀 第 19 天预告（正式踏入 AI 领域）
当你说：
👉 “第 18 天项目跑通了”
我就带你进入：
✅ 第 19 天：机器学习入门（scikit-learn）
你将第一次真正做到：
- ✅ 用 Python 训练模型
- ✅ 让程序“自动学习”
- ✅ 做一个：成绩预测 / 房价预测 / 分类模型
✅ 你现在可以开始做第 18 天的【数据分析项目】
✅ 做完你可以把代码发给我，我可以：
- ✅ 帮你优化为“竞赛级写法”
- ✅ 帮你讲清每一行的工程意义
- ✅ 帮你规划：怎样一步步走到 AI 工程师
如果你愿意，我还能帮你定制一条：
🎯 “大一 → AI 实习 → 校招简历路线图”
相关推荐
- 第 16 天：常用第三方库（requests + pandas 入门） 2026-01-03
- 第 17 天：第一个完整综合项目实战 2026-01-03
- 第 19 天：机器学习入门（scikit-learn） 2026-01-03
- 第 20 天：机器学习分类模型（逻辑回归 Classification） 2026-01-03
- 第 14 天：OOP 进阶（继承 _ 方法重写 _ 多态） 2026-01-03
评论0
暂时没有评论