Skip to content

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
NumPyarray、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 HTTPrequests、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.sparseCSR / 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、DockerContainers and Environments