《Pandas入门到精通》课程大纲

（根据学员反馈会略有调整）

- pandas基础
  - pandas简介
  - 数据类型
  - Series
  - DataFrame
  - Index索引
  - 获取数据信息
  - 数据的轴
  - 广播操作
- 数据操作
  - 数据读取导出
  - 数据计算
  - 数据排序
  - 数学统计
  - 数据迭代
  - 类型转换
  - 多层索引
  - 转为 NumPy ndarray
- 查询修改
  - 切片和抽取
  - loc 和 iloc
  - query()
  - 添加和修改
  - eval()
  - where() 和 mask()
  - filter()
  - 删除数据
- 应用方法
  - 整体应用pipe()
  - 逐元素应用map()
  - 按轴apply()
  - 聚合应用agg()
  - 窗口应用transform()
  - 自定义数据方法
- 数据合并
  - 数据拼接
  - 类SQL合并
  - 时序数据合并
  - 逐元素合并
  - 数据对比
- 数据清洗
  - 识别缺失值
  - 缺失值参与计算
  - 缺失值填充
  - 缺失值删除
  - 插值填充
  - 重复值处理
  - pd.NA 标量
- 分组聚合
  - 分组概述
  - GroupBy分组
  - 分组聚合统计
  - 分组应用函数apply()
  - 分组对象的管道pipe()
  - 分组对象聚合agg()
  - 分组对象的窗口计算transform()
  - 分组对象的数据筛选filter()
  - 数据分箱
- 变形重塑
  - 数据转置
  - 数据透视
  - 数据堆叠
  - 交叉表
  - 数据融合
  - 虚拟变量/哑变量
  - 因子化（枚举化）值
  - 爆炸序列
- 时序数据
  - 固定时间
  - 时长
  - 时间偏移
  - 周期时间
  - 时间重采样
  - 时间间隔
- 文本数据
  - 文本数据类型
  - 字符的操作方法
  - 文本分割
  - 文本替换
  - 文本连接
  - 文本查询匹配
  - 文本常用方法
- 表格样式
  - 内置样式
  - 显示格式
  - 样式配置操作
  - 样式应用函数
- 可视化
  - 内置可视化方法
  - 使用 Bokeh 可视化
  - matplotlib pyplot 绘图功能
  - 使用 Plotly 可视化
  - 与 Pyecharts 配合
- 窗口计算
  - 移动窗口函数 rolling
  - 时间类型移动窗口
  - 扩展窗口函数 expanding
- 其他相关
  - 数据爬虫
  - 超大数据处理
  - 机器学习入门