Python 学习路径：从环境配置到统计建模的阅读顺序

Python 语言共 25 篇文章，分五个阶段。阶段之间有依赖：pandas 的操作建立在对 NumPy 数组和 Python 语法的理解之上，统计建模又建立在数据整理之上。按顺序读完一遍约需 6 到 8 周，每周投入 5 小时左右。

如果只想解决问题，不必按顺序读。每篇文章都自成一体，代码复制到 Jupyter 即可运行。

五个阶段

阶段	内容	篇数	读完能做什么
一	Python 与环境基础	5	装好环境，理解数组与 DataFrame，会写函数和控制流
二	pandas 数据操作	6	把原始数据整理成可以直接建模或画图的样子
三	Matplotlib 与 Seaborn 可视化	5	画出能放进论文的图
四	统计建模	5	跑回归、方差分析与预测建模，读懂输出
五	报告与可重复研究	4	把分析和图表组织成可复现的文档与站点

先装环境，再理解两个基础库：NumPy 负责数值数组，pandas 在它之上提供带标签的表格。

第 2 篇和第 3 篇是重点。数组的 shape 与广播规则、DataFrame 的索引对齐、loc 与 iloc 的区别，这三个点会在后面每一篇文章里反复出现。

这一阶段覆盖读入数据到整理成分析表的完整流程，是使用频率最高的一组文章。

第 7、8 篇值得读到能默写。第 10 篇处理的是真实数据的常态：缺失、重复、类型错误。第 11 篇在问卷、日志、编号类数据上用得很多。

第 12 篇的核心是 Figure 与 Axes 的层级关系，以及面向对象接口与 pyplot 接口的分工，这一点决定后面写图的代码是否可维护。第 15 篇在统计图形（分布、分类、回归）上比 Matplotlib 省事得多。第 16 篇面向投稿，讲清了字体、尺寸与矢量图导出的要求。

绘图前通常需要先把数据整理成长表或宽表，这就是阶段二第 8、9 篇的用途。

这一阶段的五篇文章分别对应研究中最常见的几类分析。

第 18 篇的核心是读懂 summary() 的输出，而不是记住函数名。第 19、20 篇都建立在第 18 篇之上，可以按研究方向二选一。第 21 篇转向预测建模，讲 Pipeline、交叉验证与调参，做机器学习相关课题时从这里开始。

需要说明一点：statsmodels 面向统计推断，scikit-learn 面向预测。同一份数据用两者拟合，系数通常一致，但输出和评估方式不同。第 18 篇末尾有选择依据。

第 22 篇把分析过程变成可交付的报告。第 25 篇在写毕业论文时会用到：虚拟环境、随机种子、目录结构。第 23 篇面向需要把多份 Notebook 组织成站点的情况。

本站的 R 语言与 Python 语言篇幅相等，同样五个阶段。两种语言没有主次优劣之分，选哪条取决于导师要求、课题组惯例和合作者的工具链。

需要同时使用时，两边的章节结构一一对应，可以对照阅读：数据操作见 dplyr 核心动词，可视化见 ggplot2 图形语法入门，统计建模见 R 线性回归。R 语言的完整顺序见 R 学习路径。