概述

本仓库包含在 Dataquest 上进行的实时项目演示所使用的文件、笔记本和数据。您可以在 Youtube 上观看这些项目演示。

这些演示将帮助您构建完整的端到端项目，可以直接放入您的作品集。

先决条件

要完成这些项目，您需要对以下内容有较好的掌握：

• Python 语法，包括函数、if 语句和数据结构
• 数据清洗
• Pandas 语法
• Jupyter Notebook 的使用
• 机器学习的基础知识

请确保在尝试这些项目之前，您已经完成了以下 Dataquest 课程（或掌握了相关知识）：

• Python 入门
• for 循环和 if 语句
• Python 中的字典
• 函数与 Jupyter Notebook
• Python 中级
• Pandas 和 NumPy 基础
• 数据清洗
• 机器学习基础

project-walkthroughs 快速上手指南

环境准备

在开始本项目之前，请确保您已掌握以下核心技能：

• Python 基础语法（函数、条件判断、数据结构）
• 数据清洗流程
• Pandas 库的使用
• Jupyter Notebook 操作
• 机器学习基础概念

前置课程建议： 如果您尚未熟悉上述内容，建议先完成 Dataquest 的相关课程（或具备同等知识储备）：

• Python Introduction
• For Loops and If Statements
• Dictionaries In Python
• Functions and Jupyter Notebook
• Python Intermediate
• Pandas and NumPy Fundamentals
• Data Cleaning
• Machine Learning Fundamentals

系统要求：

• 操作系统：Windows / macOS / Linux
• Python 版本：3.7+
• 必备工具：Jupyter Notebook, Git

安装步骤

1. 克隆仓库 打开终端，执行以下命令将项目代码下载到本地：

   git clone https://github.com/dataquestio/project-walkthroughs.git
   cd project-walkthroughs
   

2. 安装依赖 项目中通常包含 requirements.txt 文件。建议使用国内镜像源（如清华源）加速安装：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   注：如果根目录没有 requirements.txt，请进入具体的项目文件夹查找并安装对应的依赖包，通常需要安装 pandas, numpy, scikit-learn, jupyter 等。

3. 启动环境 在项目根目录或具体项目文件夹下启动 Jupyter Notebook：

   jupyter notebook
   

基本使用

本项目包含多个端到端的数据科学实战案例，旨在帮助您构建作品集。

1. 选择项目 在浏览器打开的 Jupyter 界面中，浏览仓库内的文件夹，选择一个您感兴趣的项目（例如包含 .ipynb 文件的目录）。

2. 运行教程 点击对应的 .ipynb 笔记本文件。这些文件通常包含了完整的数据加载、清洗、分析及建模代码，并配有详细注释。

   示例操作逻辑（以典型数据分析项目为例）：

   import pandas as pd
   
   # 加载数据
   df = pd.read_csv('data/dataset_name.csv')
   
   # 查看前几行数据
   print(df.head())
   
   # 按照笔记本指引逐步执行单元格 (Shift + Enter)
   

3. 观看视频辅助 如果在代码理解上遇到困难，可以访问项目的 YouTube 频道 观看对应的实时项目演练视频，跟随视频步骤在本地复现代码。

4. 修改与扩展 尝试修改代码中的参数、更换数据集或添加新的分析维度，将成果保存到您的个人作品集中。