从"会写代码"到"能做分析"，差距在哪里？

很多人学 Python 时，教程里全是 `if/else`、循环和类，看着挺爽，但遇到真实数据就懵了：CSV 乱码怎么处理？缺失值填均值还是中位数？两个表怎么关联？这个系列正好补上这一块。它不是讲语法，而是用 87 个真实项目把数据处理的全链路串起来——从文件读取、清洗、转换，到可视化、建模、输出报告，每个环节都有对应练习。适合已经掌握 Python 基础语法、但没系统做过数据分析的人，或者后端开发想转数据方向的读者。

先看哪几块，能最快上手？

建议按顺序过一遍前 20 个项目：先搞定 pandas 读取 Excel/CSV、去重、空值处理、列筛选这些基础操作；然后学 merge、pivot_table 做表关联和透视；接着是 matplotlib/seaborn 画折线、柱状、散点图。这几块是日常分析的骨架，后面 60 多个项目基本是在此基础上叠加业务场景——电商销量、用户留存、金融时间序列、文本情感等。每个项目都配了数据和源码，你可以直接跑通，再尝试改动参数看结果变化，这是最有效的练习方式。

学完能独立做什么？

完成这 87 个项目后，你应该能独立完成一份完整的数据分析报告：拿到原始数据，清洗脏数据，探索分布，建简单模型（如回归、分类），最后画出有意义的图表并写出结论。资料包里每个项目都有独立数据文件和源码，建议边看边动手，不要只看不练。遇到报错先把错误信息贴出来，自己排查一次，比直接看答案收获大得多。