1
语法基础
约 2 周- 变量、数据类型与流程控制
- 函数、参数与作用域
- 异常处理与模块导入
把 Python 数据方向拆成六个台阶，每一步都有明确目标、核心要点和预估时长，避免在零散教程里打转。
Python 的强项在生态，下面六个工具几乎撑起整个数据工作流。
多维数组与向量化运算，几乎所有数据工具的地基，掌握它才能真正理解 Pandas 的底层。
Series 与 DataFrame 让你像写 SQL 一样处理表格，清洗、透视、合并一气呵成。
最基础也最灵活的绘图库，从折线到子图全可控，理解它再上手 Seaborn 会很轻松。
统一的 fit / predict 接口，覆盖分类、回归、聚类与降维，是入门 ML 的最佳起点。
代码、图表、文字混排，探索性分析与教学演示的事实标准，数据人的工作台。
动态图 + Pythonic API，研究与工业界双主流，从张量运算到自定义网络平滑过渡。
从实战经验到踩坑总结，挑了四篇值得反复读的内容。
顺着完整学习路线走，比东拼西凑更省时间。
