# python_datasci_lab

**Repository Path**: coderwillyan/python_datasci_lab

## Basic Information

- **Project Name**: python_datasci_lab
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-30
- **Last Updated**: 2026-08-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python 数据科学学习实验室

这是一个面向 Python 初学者的数据科学学习仓库，内容从开发环境搭建、Python
语法基础和 Pandas 数据处理，逐步延伸到通信网络数据预处理、SQLite 入库以及
Excel、Word 报告生成。

仓库中的教程、Notebook 和项目说明均以中文编写，适合按章节自学，也可作为
Python 数据分析课程的练习材料。

## 学习路线

建议按以下顺序学习：

1. **环境与工具**：安装 Python、Conda 或 uv，熟悉终端、IDE 和 Jupyter。
2. **Python 基础**：掌握变量、流程控制、容器、函数、文件、面向对象和异常处理。
3. **Pandas 专题**：练习数据读取、清洗、合并、分组与聚合。
4. **数据科学案例**：完成 CSV 拆分、SQLite 入库、指标计算和报告生成。

## 目录结构

| 目录 | 内容 | 建议起点 |
| --- | --- | --- |
| `01_Python_Install` | 环境搭建、常用命令、IDE 与 Jupyter 指南 | [Conda 速通指南](01_Python_Install/环境搭建篇/01_Conda速通指南.md) |
| `02_Python_Basic` | Python 基础语法 Notebook | [编程语言概述](02_Python_Basic/D0_编程语言概述.ipynb) |
| `03_PythonLib_Pandas` | Pandas 基础、清洗、合并和分组专题 | [Pandas 基础操作](03_PythonLib_Pandas/1.Pandas基础操作.ipynb) |
| `04_Python_Datasci_Prac` | 三个递进式数据处理实战项目 | [实战项目总览](04_Python_Datasci_Prac/README.md) |
| `assets` | 教程文档使用的图片 | — |

## 环境准备

推荐使用 Python 3.12，并为项目创建独立虚拟环境。以下两种方式任选其一。

```bash
git clone https://gitee.com/coderwillyan/python_datasci_lab.git
cd python_datasci_lab
```

### 方式一：Conda

```bash
conda create --name env_pysci python=3.12 -y

conda activate env_pysci

pip install ipykernel

python -m ipykernel install \
--user \
--name=env_pysci \
--display-name "Python 3.12 (env_pysci)"
```

### 方式二：uv （推荐）

```bash
uv venv --python=3.12

uv sync

uv add ipykernel

uv run ipython kernel install \
--user \
--name env_pysci \
--display-name "Python 3.12 (env_pysci)"
```

更多细节可参考仓库中的 [Conda 指南](01_Python_Install/环境搭建篇/01_Conda速通指南.md)
或 [uv 指南](01_Python_Install/环境搭建篇/02_uv速通指南.md)。

## 使用 Notebook 
- 在conda场景下，激活虚拟环境后：   
在Jupyter选择kernel `Python 3.12 (env_pysci)`执行代码    
在VSCode选择环境 `Python 3.12.13 ('env_pysci') /opt/conda/envs/env_pysci/bin/python`执行代码    

 
- 在uv场景下，激活虚拟环境后：    
在Jupyter选择kernel `Python 3.12 (env_pysci)`执行代码  
在VSCode选择环境 `Python 3.12.13 ('.venv': venv) ./.venv/bin/ ...`执行代码  


推荐先完成 `02_Python_Basic`，再学习 `03_PythonLib_Pandas`。Notebook 使用的
图片和小型示例数据已包含在仓库中，可以直接运行。

## 数据科学实战特别说明
### 项目说明

`04_Python_Datasci_Prac` 包含三个案例：

- **P01 DataDeal**：拆分单个或批量 CSV 文件，适合熟悉文件读写和 Pandas。
- **P02 IRAHO/EPSFB**：构造多日数据、导入 SQLite，并生成 Excel 报告。
- **P03 VoNR**：处理 VoNR 指标数据，通过 SQLite 查询生成 Word 周报。

详细运行顺序、输入输出和注意事项见
[数据科学实战说明](04_Python_Datasci_Prac/README.md)。

### 数据文件说明

- P01 使用的小型教学 CSV 已纳入版本控制，克隆后可以直接运行。
- P02、P03 的原始 CSV、Parquet 和 SQLite 数据体积较大，不随仓库发布。
- P02、P03 的 `DataSet` 目录已通过 `.gitignore` 忽略，需要按各案例 README
  自行准备数据。
- 请勿提交包含真实用户信息、账号密码或生产网络数据的配置及数据文件。

## 学习建议

- 先阅读对应章节，再逐个运行代码单元，观察输入和输出的变化。
- 修改示例参数并重新运行，比只阅读代码更容易理解数据处理过程。
- 实战脚本应按 README 标注的顺序执行，后续步骤通常依赖前一步的输出。
- 大文件处理前请确认磁盘空间充足，并保留原始数据备份。

## 项目状态

本仓库以学习和教学为主要目的。部分通信网络案例沿用固定的示例日期与字段，
用于演示数据处理流程，不应直接作为生产系统代码使用。

欢迎通过 Issue 提交问题或改进建议。