缺什么补什么：别用“会调包”掩盖基础断层
这门资料解决的核心痛点，是很多人在转岗或突击项目时面临的“悬空状态”：拿着网上抄来的分析脚本，一旦报错就完全不知道怎么排查，更别提根据实际业务改写处理逻辑。如果你目前只会按固定顺序点运行，或者对列表、字典、条件分支这些底层概念一知半解，看这门课就对了。它没有一上来就堆砌高阶算法模型，而是把重心死死钉在语言基础和数据结构上。这部分内容最适合编程底子薄、急需补齐底层逻辑的学习者，建议优先精读基础语法、数据类型介绍、列表元组集合以及字典介绍这几块。别觉得这些概念简单就跳过，很多实际分析中数据对不上、索引越界的低级错误，根子全在基础数据结构的理解偏差上。
配套练习：把演示代码敲成自己的肌肉记忆
看懂和能写是两码事，这门资料必须配合手动敲码来消化。对于条件控制、运算符和各类数据容器的章节，绝对不能只用眼睛过一遍视频。正确的练习方式是：看完一段关于字典或列表操作的演示后，立刻在自己的本地环境中建一个空白文件，凭记忆把核心增删改查逻辑敲出来。如果卡壳了，再回去对照资料里的具体片段。遇到条件判断的章节，自己造几组不同的测试数据，故意写错缩进或者漏写冒号，看看解释器到底会抛出什么异常。资料里的目录线索只是你理解主题的向导，真正的练习必须落在你本地的真实运行环境里。把基础数据类型的相互转换、切片操作多练几遍，这些看似枯燥的练习，正是后续处理杂乱数据源时能否不查文档直接写对代码的分水岭。
学完能做什么：脱离保姆级教程独立写逻辑
啃完这套基础铺垫，你应该能脱离保姆级教程，独立用基础语法写出完整的处理逻辑。具体来说，看完后你应该能明确回答以下几个问题：不同数据类型在内存里的表现有什么区别？什么时候该用列表，什么时候必须上字典？怎么用条件控制配合循环，把一堆原始杂乱的数据筛选清洗成规整的结构？当你遇到一段陌生的脚本，能不能一眼看懂它在每一步对数据做了什么操作？达到这个状态，说明你真正把基础打牢了。这时候再去接手实际的分析任务，你关注的就是业务规则怎么转化为代码逻辑，而不是被语法错误卡得寸步难行。缺什么补什么，别假装什么都会，把地基夯实了，后面无论接什么进阶工具库，都能站得稳。
课程目录
1-1 [Python编程基础] Python语言简介 (04:34) 1-2 [Python编程基础] Python2 和3的区别 (05:43) 1-3 [Python编程基础] Win ，Mac 下的区别 (03:55) 1-4 [Python编程基础] 编码Python程序 (02:45) 1-5 [Python编程基础] Python基础语法 (11:39) 1-6 [Python编程基础] 数据类型介绍 (11:26) 1-7 [Python编程基础] 列表元组集合 (13:59) 1-8 [Python编程基础] 基本运算符 (12:06) 1-9 [Python编程基础] 算术运算符 (07:48) 1-10 [Python编程基础] 字典介绍 (11:35) 1-11 [Python编程基础] IF条件控制 (10:44) 1-12 [Python编程基础] 循环语句 (19:41) 1-13 [Python编程基础] 常用函数 (03:37) 1-14 [Python编程基础] 类介绍 (07:59) 2-1 [数据获取] Python常用的IDE简介 (04:41) 2-2 [数据获取] Anaconda (04:06) 2-3 [数据获取] 与命令行进行交互 (05:27) 2-4 [数据获取] 读取文本文件 (09:49) 2-5 [数据获取] 使用glob读取多个文本文件 (10:12) 2-6 [数据获取] 写入文本文件 (07:13) 3-1 [数据分析简介] 数据分析师的基本范畴 (16:34) 3-2 [数据分析简介] 理解数据的性质 (07:00) 3-3 [数据分析简介] 数据分析过程 (18:48) 3-4 [数据分析简介] 定量和定性数据分析 (07:13) 3-5 [数据分析简介] 为什么用Python做分析 (09:15) 4-1 [读取CSV文件] 基础python与pandas (08:32) 4-2 [读取CSV文件] 读写CSV文件 (14:02) 4-3 [读取CSV文件] 筛选特定的行 (29:25) 4-4 [读取CSV文件] 选取特定的列 (12:44) 4-5 [读取CSV文件] 选取连续的行 (09:48) 4-6 [读取CSV文件] 添加标题行 (07:55) 4-7 [读取CSV文件] 读取多个CSV文件 (14:26) 4-8 [读取CSV文件] 从多个文件中连接数据 (14:53) 4-9 [读取CSV文件] 多文件计算 (09:36) 4-10 [读取CSV文件] 数据处理练习 (11:15) 5-1 [读取处理Excel文件] 内省Excel工作簿 (11:37) 5-2 [读取处理Excel文件] 处理单个工作表 (22:04) 5-3 [读取处理Excel文件] 读取工作簿中的所有工作表 (09:06) 5-4 [读取处理Excel文件] 读取工作表数据 (14:09) 5-5 [读取处理Excel文件] 处理多个工作簿 (17:47) 5-6 [读取处理Excel文件] 练习：编写一个python脚本 (12:12) 6-1 [连接数据库] 连接数据库 (19:14) 6-2 [连接数据库] 认识MYSQL数据库 (24:06) 6-3 [连接数据库] 操作数据库练习 (13:56) 7-1 [向量和数组运算-NumPy] NumPy的ndarray (39:02) 7-2 [向量和数组运算-NumPy] 通用函数 (04:08) 7-3 [向量和数组运算-NumPy] 数组数据处理 (13:38) 7-4 [向量和数组运算-NumPy] 数组输入输出 (04:33) 7-5 [向量和数组运算-NumPy] 线性代数 (08:35) 7-6 [向量和数组运算-NumPy] 随机数生成 (06:33) 7-7 [向量和数组运算-NumPy] 随机漫步模拟 (11:51) 8-1 [数据处理工具-Pandas] Panda介绍 (04:22) 8-2 [数据处理工具-Pandas] Series创建和操作 (11:17) 8-3 [数据处理工具-Pandas] Dataframe (09:46) 8-4 [数据处理工具-Pandas] 各种数据处理 (09:00) 8-5 [数据处理工具-Pandas] 分组计算和汇总 (11:33) 8-6 [数据处理工具-Pandas] 数据拆分 (14:02) 8-7 [数据处理工具-Pandas] 数据合并 (06:28) 8-8 [数据处理工具-Pandas] 数据去重 (04:21) 8-9 [数据处理工具-Pandas] 缺失值处理 (11:13) 8-10 [数据处理工具-Pandas] 重复值处理和时间数据处理 (14:00) 9-1 [图表呈现] Matplotlib介绍 (19:10) 9-2 [图表呈现] 条形图直方图 (16:43) 9-3 [图表呈现] 箱线图饼图 (18:22) 9-4 [图表呈现] 折线图散点图 (14:38) 10-1 [描述性统计与建模] 数据集练习 (12:02) 10-2 [描述性统计与建模] 描述性统计 (16:49) 10-3 [描述性统计与建模] 分组直方图和T检验 (16:16) 10-4 [描述性统计与建模] 变量关系和相关 (13:02) 10-5 [描述性统计与建模] 最小二乘线性回归 (13:38) 10-6 [描述性统计与建模] 自变量标准和预测 (15:23) 10-7 [描述性统计与建模] Logstic回归 (23:13) 10-8 [描述性统计与建模] 预测分析 (07:06) 11-1 [按计划自动运行的脚本] 按计划自动运行程序 (20:46) 11-2 [按计划自动运行的脚本] cron工具 (21:22) 12-1 [Python Pycharm Anaconda软件安装] 安装Pycharm无声版 (02:30) 12-2 [Python Pycharm Anaconda软件安装] 安装Anaconda无声版 (04:25)
