用途：这是一份学习资料，目标是掌握用 Pandas 进行数据操作的技能，配合 NumPy 与 Matplotlib 完成数据清洗、变换、分析与可视化，适合希望系统学习 Python 数据分析的人群。
主要能力主题：
- 数据结构：从多种来源（CSV、Excel、SQL、API）创建 DataFrame，用 loc、iloc、at、iat 索引与选择，布尔过滤，增删行列，数据类型转换。
- 数据清洗与变换：用 dropna、fillna、interpolate 处理缺失值，去重，字符串与文本清洗，日期时间解析，apply、map、applymap 自定义函数。
- 聚合与分组：GroupBy 聚合，pivot_table 透视表与交叉表，多级索引，rolling 与 expanding 窗口函数。
- 可视化：Matplotlib 基础、Seaborn 统计图、Pandas 内置绘图，折线、柱状、直方、箱线、热力图及样式定制。
- 大数据集性能优化。
使用方式：资料以概念讲解加代码示例呈现，示例可通过 Jupyter Notebook、Google Colab 或 Anaconda 环境运行，需自行准备数据集文件。
练习项目：客户分析（RFM 指标与客户分群）、时间序列分析（移动平均、趋势季节性、异常检测）、数据质量报告（缺失、重复、异常值检查并导出 HTML 报告）。
限制：资料本身为学习内容，未提供课程时长、价格、认证、评分或平台访问方式等信息；后续可延伸学习 Scikit-learn、SQL、Apache Spark、Tableau/Power BI，这些工具的具体教学未在本资料中展开。