人工智能之數據分析 Pandas 第二章 Series (文章目錄) 前言 Pandas 的 Series 是其最基礎、最核心的一維數據結構，是學習 Pandas 的起點。本文從定義、特點、創建方式、常用操作、注意事項等方面進行系統而詳細的介紹。 一、什麼是 Series？ Series 是一個帶標籤索引的一維數組，由兩部分組成：
人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Pandas 是一個強大的 Python 數據分析和處理庫，廣泛用於數據清洗、探索、操作和分析。它建立在 NumPy 之上，提供了高效、靈活且易於使用的數據結構，特別適合處理結構化（表格型）數據。 📌 Pandas 的核心數據結構
人工智能之數據分析 Matplotlib 第六章 知識總結 (文章目錄) 前言 本文對之前的關於matplotlib的知識進行系統性總結，便於知識梳理和歸納，為後續打好基礎，或者面試使用 一、核心架構 Matplotlib 採用 三層架構： Backend（後端） 負責圖形渲染和輸出（如 T
人工智能之數據分析 Matplotlib 第五章 常見函數 (文章目錄) 前言 在 Matplotlib 中，除了常用的 plot、scatter、bar 等繪圖函數外，還有一些圖像處理和樣式控制相關的常用函數，如 imshow、imsave、imread，以及解決中文顯示問題的方法。此外，Seaborn 作為基於 Matplotlib 的高級可
人工智能之數據分析 Matplotlib 第四章 圖形類型 (文章目錄) 前言 Matplotlib 支持多種圖表類型。本文將詳細介紹 散點圖、柱形圖、餅圖、直方圖 以及其他常見圖表（如箱線圖、熱力圖、面積圖、3D 圖等）的繪製方法、參數説明和典型應用場景。 一、散點圖（Scatter Plot） 用途 顯示兩個變量之間的關係，
人工智能之數據分析 Matplotlib 第三章 基本屬性 (文章目錄) 前言 本文主要介紹如何設置繪圖標記、線條樣式、軸標籤、標題、網格線以及如何在同一窗口中繪製多個圖表。 一. 繪圖標記 你可以通過 plt.plot() 函數中的參數 marker 來指定數據點的標記樣式。例如： plt.plot([1, 2, 3, 4], [1
人工智能之數據分析 Matplotlib 第二章 Pyplot (文章目錄) 前言 pyplot 是 Matplotlib 庫中最常用、最便捷的模塊，提供了類似 MATLAB 的命令式繪圖接口，非常適合快速繪製各種圖表。它通過一系列函數自動管理圖形（Figure）、座標軸（Axes）等底層對象，讓初學者也能輕鬆上手。 一、導入方式
人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Matplotlib 是 Python 中最常用的數據可視化庫之一，用於創建靜態、動態和交互式的圖表。它功能強大、靈活，並且與 NumPy、Pandas 等科學計算庫無縫集成，廣泛應用於數據分析、機器學習、科研和工程等領域。 一、Matplotlib 簡介
人工智能之數據分析 numpy 第十四章 知識總結 (文章目錄) 前言 本文主要講解 NumPy 的核心知識點總結，涵蓋其作為 Python 科學計算基石的關鍵概念與最佳實踐，適合快速回顧、面試準備或系統學習。 🧱 一、基礎核心：ndarray（N 維數組） 唯一數據結構：所有操作圍繞 numpy.ndarray 展開。
人工智能之數據分析 numpy 第十二章 數據持久化 前言 NumPy 提供了多種數據持久化（Persistence） 方式，用於高效地保存和加載數組數據。根據數據規模、結構複雜度、跨平台需求等不同場景，可選擇不同的方法。 本文系統講解： 基礎二進制/文本保存（.npy, .npz, .txt） 結構化數組（Structured Arrays） 與
人工智能之數據分析 numpy 第十一章 字符串與字節交換 (文章目錄) 前言 在 NumPy 中，字符串數組 和 字節序（Endianness）交換 是兩個重要但常被忽視的主題。下面分別詳細講解，並説明它們的聯繫與應用場景。 一、NumPy 中的字符串數組 NumPy 支持兩種主要的字符串類型：
人工智能之數據分析 numpy 第十章 副本視圖 (文章目錄) 前言 在 NumPy 中，副本（copy） 和 視圖（view） 是理解數組內存管理、性能優化和避免意外修改的關鍵概念。它們決定了當你對一個數組進行切片、變形或賦值操作時，**是否創建了新的數據副本，還是僅僅創建了一個指向原數據的新“窗口”**。 下面從原理、區別、判斷方法到
人工智能之數據分析 numpy 第八章 數組廣播 (文章目錄) 前言 NumPy 的 廣播（Broadcasting） 是其最強大、也最容易被誤解的特性之一。它允許不同形狀的數組之間進行逐元素運算，而無需顯式複製數據，既節省內存又提升性能。 一、什麼是廣播？ 廣播：NumPy 在執行算術運算時，自動將形狀不同的數組“
人工智能之數據分析 numpy 第九章 數組運算 (文章目錄) 前言 NumPy 不僅提供了高效的多維數組（ndarray）結構，還內置了豐富的數組運算功能，包括基礎算術、比較邏輯、位運算、通用函數（ufunc）、矩陣與線性代數等。這些運算是向量化的，無需顯式循環，性能遠超純 Python。 下面系統講解 NumPy 的各類數組運算。
人工智能之數據分析 numpy 第七章 數組迭代排序篩選 (文章目錄) 前言 在 NumPy 中，數組的迭代、排序與篩選是數據處理中的三大基礎操作。雖然 NumPy 強調向量化操作（避免顯式 Python 循環以提升性能），但在某些場景下仍需對數組進行迭代（如逐行/逐元素處理）。本文將系統講解這三類操作，並結合實際示例説明如何高效使用。
人工智能之數據分析 numpy 第六章 數組基本操作 (文章目錄) 前言 NumPy 提供了豐富而高效的數組基本操作，包括形狀變換、維度調整、連接與分割、元素增刪、翻轉、對角線提取等。這些操作在數據預處理、圖像處理、科學計算中極為常用。 一、修改數組形狀（Reshaping） 1. reshape() 返回一個具有新形狀的
人工智能之數據分析 numpy 第五章 索引與切片 (文章目錄) 前言 在 NumPy 中，索引（indexing）與切片（slicing） 是訪問和操作 ndarray 元素的核心手段。相比 Python 原生列表，NumPy 提供了更強大、更靈活的多維索引機制，包括基本索引、高級索引、布爾索引、花式索引等。 本文詳細講解 NumPy 數組
人工智能之數據分析 numpy 第四章 數組屬性和數據類型 (文章目錄) 前言 NumPy 的 ndarray（N 維數組） 不僅是一個高效的多維容器，還具有豐富的屬性和靈活的數據類型（dtype）系統。理解這些內容對於高效使用 NumPy 至關重要。 一、NumPy 數組的核心屬性 創建一個示例數組： import num
人工智能之數據分析 numpy 第三章 Ndarray 對象和數組創建 (文章目錄) 前言 Ndarray 是 NumPy 的核心數據結構，本質是存儲單一數據類型的多維數組，也是後續所有操作的基礎。它具備高效的存儲和運算能力，能夠支持批量數據處理，區別於 Python 原生列表（可存儲多種數據類型、運算效率低）。 一、ndarray
人工智能之數據分析 numpy 第二章 簡介與安裝 (文章目錄) 前言 NumPy（Numerical Python 的簡稱）是 Python 中用於科學計算的核心庫之一。它提供了高性能的多維數組對象（ndarray）以及用於操作這些數組的工具，廣泛應用於數據分析、機器學習、圖像處理、物理模擬等領域。 一、NumPy 的主要特點
人工智能之數據分析 numpy 第一章 學習鏈路 (文章目錄) 前言 本文主要學習人工智能的整體鏈路，相當於數據分析模塊的開端，學習整體思維導圖，有利於更加清晰的知道後面需要學習什麼，達到什麼樣的程度，對於單一的ai繪圖短劇小説等也是當前的熱門方向之一。掌握基礎有利於更加靈活的創造和應用解決問題的能力。 一、頂層設計：理解人工智能全景圖
人工智能之編程進階 Python高級 第十一章 過渡項目 以下是 5 個由淺入深、覆蓋 Python 核心技能的實戰項目，每個項目都包含： 🎯 項目目標 🔧 技術棧（知識點） 📦 功能模塊 💡 實現要點與代碼片段 🚀 擴展建議 適合從入門到進階的學習者動手實踐，真正“學以致用”。 🌟 項目一：天氣查詢
人工智能之編程進階 Python高級 第十章 知識點總結 (文章目錄) 前言 學到這裏基本上掌握了python的常用操作，但這些還未涉及到數據分析的部分，這些都只是對於語言的靈活運用，至於數據分析，將在後續欄目增加，一起努力學習，未來方向充滿不確定，我們能做的就是不斷學習，跟隨政策，擁抱人工智能，打好地基，方能不被脱節。 🐍 Pyth
人工智能之編程進階 Python高級 第九章 爬蟲類模塊 (文章目錄) 前言 本文主要敍述網路數據獲取以及網頁解析相關的模塊，掌握此模塊有利於在相關網頁獲取有價值的信息。主要包括以下幾個模塊： urllib（標準庫） requests（第三方，最流行） selenium（瀏覽器自動化） BeautifulSoup（H
