从 Series/DataFrame 基础到时间序列与大数据性能优化，掌握 Pandas 2.x 全新特性与工程实践
课程简介
Pandas 是 Python 数据科学生态中最重要的库之一，诞生于 2008 年，至今已成为数据分析、机器学习预处理、金融分析和科学研究的标配工具。2023 年发布的 Pandas 2.0 带来了革命性变化：Copy-on-Write 语义默认开启、PyArrow 后端支持、全新 NA 处理机制，显著提升了性能与可预测性。
本教程基于 Pandas 2.2+，从核心数据结构讲起，覆盖日常数据分析的全流程，帮助你真正理解每个操作背后的原理，而不只是记住 API 用法。
你将学到什么
深入理解 Series 与 DataFrame 的索引系统、内存模型和 dtype 体系
缺失值处理、重复数据、类型转换、字符串操作的完整工作流
loc/iloc、布尔索引、query 方法，以及 Copy-on-Write 下的安全链式操作
groupby 深度解析，agg/transform/filter 的使用场景与性能特性
DatetimeIndex、resample、滚动计算、时区处理的系统化方法
Categorical 类型、chunked 读取、内存压缩，以及与 Polars 的对比
章节目录
学习建议
前置知识：需要具备 Python 基础（变量、函数、列表/字典），了解基本的 NumPy 操作会有帮助，但不是必须的——本教程会在需要时讲解相关概念。
推荐环境：安装 Python 3.11+，使用 pip install pandas[pyarrow] 安装带 PyArrow 支持的 Pandas 2.2+。推荐在 Jupyter Notebook 或 JupyterLab 中跟随学习，方便观察中间结果。
学习方法：每章的代码示例都应该动手运行，修改参数观察变化。数据分析是一门实践性极强的技能，理解原理之后，大量的实际数据集练习是提升的核心路径。