用 Python 做数据分析

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 常用数据分析库用 NumPy 做数值数组运算，用 pandas 读写和整理表格数据，用 matplotlib 把结果绘制成图形。
• 数据读取与写出用 pandas 提供的 read_csv 把表格文件读入成数据框，处理完成后再用 to_csv 等方法写出保存。
• 数据分析实例完整地走一遍读入数据、清洗整理、统计分析、绘制图表到写出结论的流程，体会各步骤之间的衔接关系。
• 数据的筛选与分组按条件挑出子集、按字段分组汇总，是分析中最常用的两步。
• 结果的图表呈现把统计结果画成图，比直接打印数字更容易看出趋势与异常。

先修：学它之前要先会

• 数据处理与可视化

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1数据、信息与知识→
2. 2数据处理与可视化

后继：学会它之后可以往哪走

• Python 编程基础

学习「用 Python 做数据分析」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。