外觀
Data Science › Python Foundations
Python 基礎 (Python Foundations)
資料科學工作中反覆用到的 Python:語言本身、把 notebook 變成可重跑的腳本與套件、讀取各種資料,以及 NumPy / pandas 與效能工具。R 的對應內容見 R Foundations。
建議順序
text
核心型別 → 控制流程 → 函式 → 迭代器 → NumPy → pandas → 匯入資料
↓
腳本與 CLI → 錯誤處理 → 測試 → 套件與環境 → 效能只寫 notebook 的人,常卡在「無法把流程整理成可重跑的程式」:優先讀第二排。
語言與資料結構
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 核心資料型別 | list、tuple、dict、set、collections、淺複製 | 該用哪個容器?為什麼改了 b 連 a 也變了? |
| 控制流程 | if、for、while、truthiness、match | 迴圈怎麼寫才不出錯? |
| 函式 | 參數、scope、閉包、decorator、functools | 如何設計可重用的函式? |
| 類別 | class、dataclass、繼承、property、特殊方法 | 什麼時候該寫 class? |
| 迭代器與生成器 | iterator 協定、comprehension、generator、itertools | 如何逐筆處理比記憶體大的檔案? |
| 日期與時間 | datetime、zoneinfo、pandas .dt、resample | 時區與日期欄位怎麼處理才不出錯? |
| 文字清理與正規表示式 | re、樣本名稱解析、模糊比對 | 如何擷取、驗證、清理文字欄位? |
腳本與工程實務
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 腳本與 CLI | __main__、argparse、設定檔、pathlib、logging、subprocess | 如何把 notebook 變成可重跑的腳本? |
| 錯誤處理與斷言 | try / except、raise、自訂例外、assert | 何時該捕捉、何時該丟出錯誤? |
| 測試 | pytest、fixture、parametrize、測 DataFrame | 改程式後怎麼確定沒改壞? |
| 軟體工程實務 | 專案結構、ruff、命名、docstring、可重現性 | 如何讓程式幾個月後還能用? |
| Python 套件與環境 | pyproject.toml、uv、lock 檔、build / publish | 如何讓別人(或自己換台電腦)重建同樣環境? |
資料、數值與效能
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| NumPy | array、broadcasting、向量化、線性代數 | shape 與向量化怎麼想? |
| pandas | 選取、groupby、reshape、merge、缺值、Parquet / HDF5 | 表格資料怎麼清理與彙總? |
| 匯入資料 | CSV、Excel、JSON、Parquet、HDF5、生資格式、格式互轉 | 這個檔案該用什麼讀?讀完要檢查什麼? |
| API 與 HTTP | requests、狀態碼、重試、分頁、認證 | 如何穩定地從 Ensembl / NCBI 抓資料? |
| scipy.stats 速查 | default_rng、機率分配、檢定、R 對照 | 這個統計方法在 Python 裡怎麼寫? |
| scipy.sparse | CSR / CSC / COO、*_array vs *_matrix、保持稀疏的運算 | 大部分是 0 的矩陣怎麼存、怎麼算才不爆記憶體? |
| AnnData 與 scanpy | .h5ad 結構、view、QC → HVG → PCA → Leiden、pseudobulk、Seurat 對照 | 單細胞資料在 Python 裡怎麼組織與分析? |
| 效能與擴展 | 量測、向量化、Numba、multiprocessing、Dask、Polars | 程式太慢或資料太大怎麼辦? |
相關章節
| 需求 | 去哪裡 |
|---|---|
| 用 Python 連資料庫 | SQLAlchemy、PyMongo |
| 抓網頁 | Web Scraping |
| 畫圖與探索 | Data Manipulation and EDA |
| 統計方法的選擇與解讀 | Statistics |
| 環境:conda、Docker | Containers and Environments |