数据分析知识地图
AI/ML 的数据基础设施：数值计算 → 结构化数据分析 → 可视化，覆盖 NumPy/Pandas/Matplotlib 三大支柱与技术栈总览。
导航
| # | 笔记 | 一句话 |
|---|---|---|
| 1 | 数据分析概览 | 数据分析工作流与技术栈总览（NumPy/Pandas/Matplotlib/Sklearn）+ 学习路径 |
| 2 | Python NumPy | ndarray 创建、索引切片、运算、广播机制、线性代数 |
| 3 | Python Pandas | Series/DataFrame、索引、合并、分组聚合、透视表、文件读写、缺失值处理 |
| 4 | Python Matplotlib | 折线图/柱状图/散点图/子图布局、样式配置 |
学习路径
数据分析概览 → NumPy 数值计算 → Pandas 结构化分析 → Matplotlib 可视化
↓
→ 特征工程 → 模型训练（见 [[Python-MOC]] 与 AI 域）与 AI 的关联
| 模块 | AI 应用场景 |
|---|---|
| NumPy | 张量运算基础、特征矩阵处理 |
| Pandas | 数据清洗、特征工程、EDA |
| Matplotlib | 训练曲线可视化、数据分布展示 |
关联
- 🛠️ 工程工具-MOC
- Python-MOC — Python 语言基础是数据分析的前置
- MySQL-MOC — 结构化数据存储是分析的下游
- IDE与环境-MOC — Jupyter 是数据分析交互式载体