在 Python 中，作用域定义了标识符（如变量名、函数名、类名）在程序中的可见区域与生命周期从底层实现来看，Python 的作用域完全由命名空间维系。命名空间在物理层面上表现为一个存储键值对的字典（dict），其中键是标识符的名称，值是对应的对象引用。当程序尝试读取一个变量时，Python 解释器必须在特定的命名空间字典中进行检索本章围绕 Python 函数的高级特性展开，系统学习了作用域、闭包

摘要： Pandas内置绘图功能通过封装Matplotlib实现高效数据可视化，支持单变量（折线图、柱状图、直方图等）与多变量（散点图、蜂巢图、堆叠图）图表绘制。其优势在于无需数据转换，自动处理索引与标签，并返回Matplotlib的Axes对象供进一步定制。综合案例演示了电商销售数据的趋势分析、品类拆解与折扣相关性探索。相比Matplotlib和Seaborn，Pandas绘图语法简洁，适合快速

本文系统介绍了NumPy中矩阵操作的核心概念与方法。主要内容包括：1. 矩阵基础：矩阵作为二维数字网格的数据结构，在数据分析中天然契合"样本-特征"的抽象，支持批量计算。重点讲解了矩阵加法、数乘、转置和乘法四种基本运算，以及单位矩阵和对角矩阵两种特殊矩阵。 索引与切片：详细说明了NumPy中高效定位和提取数据的语法，包括一维和多维数组的索引方法，以及视图机制的底层原理与.cop

当一个函数在执行时发生了异常（无论是系统自动抛出还是使用 raise 主动抛出），如果该函数内部没有对应的 try...except 语句来捕获并消化这个异常，这个异常对象就会像水底的气泡一样，沿着函数的调用链路，自底向上地层层冒泡如果在整条调用链路上，没有任何一个函数准备了except 处理器，那么异常最终会飘到最外层的全局作用域。此时，Python 解释器只能选择终止整个进程，并在控制台打印出

单变量分析：通过直方图、核密度图（KDE）和计数图（countplot）展示连续或离散变量的分布特征。双变量分析：使用散点图、柱状图（barplot）、箱线图、小提琴图等工具，分析变量间关系或分组差异，支持置信区间与密度可视化。多变量扩展：通过hue、style、size参数叠加分类或连续变量，在二维图中呈现3-5个维度信息。高效探索：pairplot自动生成全变量两两关系网格图，快速发现数据模式

摘要 本文系统介绍了Pandas数据清洗的核心方法，包含四个关键环节：1）数据导入导出：详细讲解CSV/Excel/JSON文件的读写操作，重点解决中文乱码和冗余列问题；2）缺失值处理：演示isna检测、dropna删除及fillna填充等完整流程；3）重复值处理：通过duplicated检测和drop_duplicates删除重复记录，支持按关键列去重；4）数据类型转换：涵盖astype强制转换

本文系统介绍了Python中的集合和字典两种关键数据结构及其应用。集合具有无序、唯一性特点，支持数学运算和高效查找；字典作为键值对容器，提供快速数据检索能力。文章详细讲解了二者的创建、增删改查、遍历等操作，并对比了五种主要数据容器的特性。通过单词频次统计和数据去重两个案例，展示了集合和字典的实际应用场景。最后强调应根据需求选择合适的数据结构，为后续面向对象编程学习奠定基础。全文结构清晰，内容由浅入

本文系统介绍了Python面向对象编程(OOP)的核心概念和实践方法。主要内容包括：1. 面向对象与面向过程的区别，OOP的封装、继承和多态特性；2. 类和对象的概念、定义语法及实例化过程，重点解析了__init__构造方法和self关键字的原理；3. 属性管理的两种方式：实例属性和类属性，以及它们的存储机制和查找优先级；4. 方法的三种类型：实例方法、类方法和静态方法，以及各自的特点和使用场景；

本文深入讲解Pandas数据统计与分组聚合的核心技术，重点介绍了Split-Apply-Combine范式。主要内容包括：1）基础统计方法（mean/sum/count等）与GroupBy机制原理；2）单列/多列分组聚合操作及分组数据查看方法；3）进阶分组计算技术：agg多重聚合、transform组内广播转换、filter分组过滤；4）通过部门薪酬分析综合案例，演示如何组合使用这些技术解决实际问

本文系统介绍了Matplotlib数据可视化的核心技术与实践方法。首先阐述了pyplot模块的状态机接口特性，通过隐式维护全局状态实现快速绘图，并分析了其简洁性优势与多图场景下的局限性。重点讲解了五种基础图表（折线图、柱状图、饼图、散点图、箱线图）的API参数及典型应用场景，提供完整的代码示例。随后深入对比了面向对象接口的优越性，强调通过Figure-Axes体系实现显式控制、多子图布局和代码封装