Python爬虫与数据分析实战：从数据采集到自动化工作流构建

你有没有过这样的经历看到别人用 Python 几行代码就抓取了全网数据或者用几个库就把一堆表格变成清晰的图表自己却还在手动复制粘贴、用 Excel 做重复劳动然后你打开一个号称“7天精通”的教程发现前三天都在讲print(“Hello World”)和变量类型等到真正想学的爬虫和数据分析要么一笔带过要么直接给一段看不懂的“魔法代码”让你照着敲结果一运行全是报错。问题不在于你而在于大多数教程都搞错了重点。Python 作为一门工具其核心价值从来不是记住list和tuple的区别而是用自动化思维解决真实世界里的重复性、数据性问题。所谓的“7天从入门到精通”如果只是把语法过一遍那毫无意义。真正的路径应该是用最短的时间建立起“遇到问题 - 用 Python 寻找工具链 - 组合工具解决问题”的肌肉记忆。今天我们不谈空洞的语法也不制造“7天就业”的焦虑。我们来拆解一个更实际的问题当你面对“获取数据”和“分析数据”这两大高频需求时如何用 Python 构建一套稳定、可复用且能真正放进你工作流里的解决方案。你会发现爬虫和数据分析本质上是同一件事的两个阶段前者是“把外部信息变成结构化数据”后者是“从结构化数据里提炼信息”。打通这个闭环比你学完 600 集零散课程更有用。1. 重新理解“爬虫”它不只是“抓取”而是“数据管道”的入口很多人对爬虫的理解还停留在“写个脚本把网页内容扒下来”。这个认知会导致两个致命问题一是写出来的代码极其脆弱网站改个样式就失效二是毫无工程性可言无法处理登录、反爬、封IP、数据清洗等现实情况。真正的爬虫应该被看作一个稳健的数据采集管道。它的目标不是一次性成功而是能在一定时间内稳定、合规、高效地获取目标数据。这个过程可以拆解为四个层次难度和所需技能逐级递增。1.1 第一层静态内容抓取Requests BeautifulSoup这是最基础的层次适合抓取没有复杂交互、数据直接嵌在 HTML 里的页面。核心工具是requests库发送网络请求和BeautifulSoup或lxml库解析 HTML。关键不是记住函数而是理解流程模拟请求用requests.get(url, headersheaders)获取网页原始内容。这里的headers至关重要它让你的请求看起来更像一个真实浏览器是绕过基础反爬的第一步。解析结构用BeautifulSoup(html_content, html.parser)加载内容然后通过查看网页源代码找到包裹目标数据的 HTML 标签和属性如div,class,id。提取与清洗使用soup.find()或soup.find_all()定位元素用.text获取文本用[‘href]获取链接。提取出的数据往往带有空格、换行需要立即用.strip()等方法清洗。一个常见的误区与避坑点新手常犯的错误是代码写得太“硬”把标签路径如div[1]/p[2]/a写死在代码里。一旦网站前端微调爬虫立刻崩溃。更稳健的做法是尽量使用具有唯一性的属性如id或特定的class。使用 CSS 选择器如soup.select(‘.product-list .item a’)而非绝对路径容错性更高。将数据提取逻辑封装成函数便于维护和修改。import requests from bs4 import BeautifulSoup import pandas as pd def fetch_static_page(url): headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 } try: resp requests.get(url, headersheaders, timeout10) resp.raise_for_status() # 检查请求是否成功 resp.encoding resp.apparent_encoding # 自动识别编码 return resp.text except requests.exceptions.RequestException as e: print(f请求失败: {e}) return None def parse_product_list(html): soup BeautifulSoup(html, html.parser) products [] # 使用CSS选择器比遍历find_all更精准 items soup.select(div.product-item) # 假设商品项都有这个class for item in items: name_elem item.select_one(h3.product-name) price_elem item.select_one(span.price) # 增加判断防止元素不存在导致报错 name name_elem.text.strip() if name_elem else N/A price price_elem.text.strip() if price_elem else N/A products.append({name: name, price: price}) return pd.DataFrame(products) # 使用示例 if __name__ __main__: url https://example.com/products # 替换为实际URL html fetch_static_page(url) if html: df parse_product_list(html) print(df.head()) # 保存到CSV为数据分析做准备 df.to_csv(products.csv, indexFalse, encodingutf-8-sig)1.2 第二层动态内容抓取与模拟交互Selenium / Playwright现代网站大量使用 JavaScript 动态加载数据直接用requests获取的 HTML 是空的。这时需要能控制浏览器的工具如Selenium或更现代的Playwright。核心选择Selenium 还是 PlaywrightSelenium老牌、稳定、社区资源多但速度较慢配置稍繁琐。Playwright后起之秀由微软开发支持异步速度快API 更现代自动等待机制更好。这一层的核心技能是“等待”与“定位”显式等待不要用time.sleep(10)这种固定等待。使用WebDriverWait配合expected_conditions直到目标元素出现才进行操作效率高且稳定。元素定位熟练掌握通过 ID、Name、XPath、CSS Selector 定位元素。XPath 功能强大但可能脆弱CSS Selector 通常是更优选择。模拟操作.click(),.send_keys(),.select_by_value()等用于登录、翻页、下拉筛选。from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.chrome.service import Service from webdriver_manager.chrome import ChromeDriverManager import pandas as pd import time # 使用webdriver-manager自动管理浏览器驱动 service Service(ChromeDriverManager().install()) driver webdriver.Chrome(serviceservice) try: driver.get(https://example.com/login) # 等待登录表单加载 username_input WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.ID, username)) ) password_input driver.find_element(By.ID, password) login_button driver.find_element(By.XPATH, //button[typesubmit]) username_input.send_keys(your_username) password_input.send_keys(your_password) login_button.click() # 等待登录成功跳转到目标页 WebDriverWait(driver, 10).until( EC.url_contains(dashboard) ) # 假设需要抓取一个动态加载的表格 data [] for page in range(1, 4): # 抓取前3页 # 模拟点击翻页假设有页码按钮 page_button WebDriverWait(driver, 5).until( EC.element_to_be_clickable((By.XPATH, f//a[text(){page}])) ) page_button.click() time.sleep(2) # 等待数据加载此处可替换为更智能的等待 # 解析当前页数据 rows driver.find_elements(By.CSS_SELECTOR, table.data-table tbody tr) for row in rows: cols row.find_elements(By.TAG_NAME, td) if len(cols) 3: data.append({ col1: cols[0].text, col2: cols[1].text, col3: cols[2].text }) df pd.DataFrame(data) print(df) finally: driver.quit() # 务必退出释放资源注意使用浏览器自动化工具资源消耗大速度慢且容易被网站识别。它应是解决动态加载问题的“最后手段”而非首选。优先尝试分析网站的网络请求XHR/Fetch看能否直接调用数据接口进入第三层。1.3 第三层直接调用数据接口逆向工程与Requests这是高效爬虫的“圣杯”。许多网站的数据是通过 AJAXXHR/Fetch请求从后端 API 获取的 JSON 格式数据。如果能找到并模拟这个请求就可以绕过渲染页面直接拿到最干净的结构化数据。操作流程打开浏览器开发者工具F12进入Network网络标签页。在网站上触发你想要的数据加载动作如翻页、筛选。在 Network 面板中筛选XHR或Fetch类型的请求寻找包含目标数据的请求。查看该请求的Headers请求头特别是Cookie,Authorization,User-Agent等和Payload请求参数可能是 Query Parameters 或 Request Body。用requests库完全模拟这个请求。import requests import json # 从开发者工具中复制过来的关键信息 api_url https://example.com/api/v1/data/list headers { User-Agent: Mozilla/5.0..., Referer: https://example.com/page, Authorization: Bearer your_token_here, # 如果需要 Content-Type: application/json, } params { page: 1, size: 20, sort: createTime,desc } # 或者可能是POST请求需要data # data {key: value} response requests.get(api_url, headersheaders, paramsparams, timeout15) # response requests.post(api_url, headersheaders, jsondata, timeout15) if response.status_code 200: # 通常接口返回的是JSON result response.json() # 数据可能在 result[data][list] 这样的嵌套结构中 data_list result.get(data, {}).get(list, []) df pd.DataFrame(data_list) # 直接转为DataFrame极其高效 print(df.head()) else: print(f接口请求失败: {response.status_code})这一层的价值巨大速度快、数据干净、对服务器压力小。难点在于请求可能带有加密参数、动态 Token如_signature等需要一定的 JavaScript 逆向分析能力。对于普通场景掌握查找和模拟常规 API 请求就足够了。1.4 第四层工程化与伦理考量Scrapy框架、代理、速率控制当你的爬虫需要长期、大规模运行时就不能再是单文件脚本了。你需要考虑框架使用Scrapy这样的专业框架。它提供了项目结构、异步处理、中间件、管道Pipeline等一套完整机制便于管理多个爬虫、处理异常、存储数据。反爬应对使用 IP 代理池如付费代理服务、随机 User-Agent 库如fake_useragent、请求延迟设置DOWNLOAD_DELAY来规避封禁。数据存储不只是 CSV根据数据量级和用途选择 MySQL、PostgreSQL、MongoDB 或直接写入云数据库。伦理与合规遵守robots.txt协议尊重网站版权不爬取个人隐私数据控制请求频率避免对目标网站造成 DDOS 攻击。爬虫的终点不是写出一个能跑的脚本而是构建一个可靠、可维护、负责任的数据供应链源头。有了高质量的数据源数据分析才有了坚实的基础。2. 数据分析从“描述现象”到“驱动决策”的思维升级拿到了数据很多人会直接导入 Excel 开始拉图表。但这只是最初级的数据“展示”而非“分析”。数据分析的核心思维是提出假设 - 验证假设 - 得出结论 - 指导行动。Python 的pandas,numpy,matplotlib,seaborn等库是执行这个思维过程的超级计算器。2.1 第一步数据清洗与预处理——80%的时间花在这里原始数据永远是脏的。缺失值、异常值、重复值、格式不一致日期、数字、错误编码……不解决这些问题任何高级分析都是空中楼阁。一个标准的数据清洗 Checklist探查数据df.head(),df.tail(),df.info(),df.describe()。了解数据规模、类型、分布。处理缺失值删除df.dropna()当缺失数据很少时。填充df.fillna()可以用均值、中位数、众数或前后值填充。对于分类数据填充一个如“未知”的标记可能更合适。处理异常值识别用箱线图seaborn.boxplot或标准差法mean ± 3*std找出离群点。处理根据业务逻辑决定是剔除、修正还是保留。格式标准化日期pd.to_datetime(df[‘date’], errors‘coerce’)字符串统一大小写.str.lower()去除空格.str.strip()。分类数据pd.Categorical()或df[‘col’].astype(‘category’)。处理重复值df.drop_duplicates()import pandas as pd import numpy as np # 假设df是从爬虫保存的CSV加载的 df pd.read_csv(raw_data.csv, encodingutf-8-sig) print(初始数据信息:) print(df.info()) print(\n缺失值统计:) print(df.isnull().sum()) # 1. 处理缺失值数值列用中位数填充分类列用‘未知’填充 for col in df.columns: if df[col].dtype in [int64, float64]: df[col].fillna(df[col].median(), inplaceTrue) else: df[col].fillna(未知, inplaceTrue) # 2. 处理异常值以‘price’列为例 if price in df.columns: Q1 df[price].quantile(0.25) Q3 df[price].quantile(0.75) IQR Q3 - Q1 lower_bound Q1 - 1.5 * IQR upper_bound Q3 1.5 * IQR # 将异常值替换为边界值或直接删除 df[price] df[price].clip(lowerlower_bound, upperupper_bound) # 3. 格式化日期列 if create_time in df.columns: df[create_time] pd.to_datetime(df[create_time], errorscoerce) # 衍生新特征如年、月、日、星期几 df[create_year] df[create_time].dt.year df[create_month] df[create_time].dt.month df[create_dayofweek] df[create_time].dt.dayofweek # 周一0 # 4. 去除重复行基于所有列判断 initial_count len(df) df.drop_duplicates(inplaceTrue) print(f\n删除了 {initial_count - len(df)} 条重复记录。) print(\n清洗后数据信息:) print(df.info())2.2 第二步描述性分析与可视化——用图表讲好数据故事清洗后的数据需要通过统计和可视化来发现模式、趋势和关系。这里的关键是为每个问题选择合适的图表。常用图表与pandas/seaborn实现分布情况直方图 (df[‘col’].hist())、密度图 (sns.kdeplot)、箱线图 (sns.boxplot)。趋势变化折线图 (df.plot.line())特别适用于时间序列数据。对比关系柱状图 (df.plot.bar()或sns.barplot)、分组柱状图。相关关系散点图 (sns.scatterplot)、热力图 (sns.heatmap用于展示相关系数矩阵)。构成关系饼图慎用不易比较、环形图、堆叠柱状图。import matplotlib.pyplot as plt import seaborn as sns sns.set_style(whitegrid) # 设置seaborn样式 # 示例多子图展示数据全貌 fig, axes plt.subplots(2, 2, figsize(14, 10)) # 1. 价格分布直方图密度曲线 axes[0, 0].hist(df[price], bins30, edgecolorblack, alpha0.7, densityTrue) sns.kdeplot(df[price], axaxes[0, 0], colorred) axes[0, 0].set_title(商品价格分布) axes[0, 0].set_xlabel(价格) axes[0, 0].set_ylabel(密度) # 2. 不同类别的平均价格柱状图 category_price df.groupby(category)[price].mean().sort_values(ascendingFalse) category_price.plot(kindbar, axaxes[0, 1], colorskyblue) axes[0, 1].set_title(不同商品类别的平均价格) axes[0, 1].set_xlabel(类别) axes[0, 1].set_ylabel(平均价格) axes[0, 1].tick_params(axisx, rotation45) # 3. 价格与销量的关系散点图 axes[1, 0].scatter(df[price], df[sales_volume], alpha0.6) axes[1, 0].set_title(价格与销量关系散点图) axes[1, 0].set_xlabel(价格) axes[1, 0].set_ylabel(销量) # 可以添加趋势线 z np.polyfit(df[price], df[sales_volume], 1) p np.poly1d(z) axes[1, 0].plot(df[price], p(df[price]), r--) # 4. 相关系数热力图 numeric_cols df.select_dtypes(include[np.number]).columns corr_matrix df[numeric_cols].corr() sns.heatmap(corr_matrix, annotTrue, fmt.2f, cmapcoolwarm, center0, axaxes[1, 1]) axes[1, 1].set_title(数值特征相关系数热力图) plt.tight_layout() plt.savefig(data_analysis_overview.png, dpi300, bbox_inchestight) plt.show()可视化不是目的而是手段。每张图都应该试图回答一个明确的业务问题例如“哪个品类的商品最贵”、“价格和销量是负相关吗”、“数据里有没有明显的异常集群”2.3 第三步深入分析与建模——从“是什么”到“为什么”和“会怎样”描述性分析告诉你过去发生了什么。深入分析则试图解释原因并预测未来。这涉及到更高级的统计方法和机器学习。常见分析场景与工具分组聚合与透视df.groupby()是核心pd.pivot_table()能创建透视表功能强大。统计检验使用scipy.stats进行 t 检验、卡方检验等判断差异是否显著。预测模型使用scikit-learn建立回归模型预测数值、分类模型预测类别或聚类模型发现分组。时间序列分析使用statsmodels或prophet进行趋势分解、预测。from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score from sklearn.preprocessing import StandardScaler # 示例用一个简单的线性回归预测销量 # 假设我们有一些可能影响销量的特征 features [price, discount_rate, user_rating, category_encoded] # category_encoded是类别编码后的结果 target sales_volume # 准备数据 X df[features] y df[target] # 划分训练集和测试集 X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42) # 标准化特征对于线性模型很重要 scaler StandardScaler() X_train_scaled scaler.fit_transform(X_train) X_test_scaled scaler.transform(X_test) # 训练模型 model LinearRegression() model.fit(X_train_scaled, y_train) # 预测与评估 y_pred model.predict(X_test_scaled) mse mean_squared_error(y_test, y_pred) r2 r2_score(y_test, y_pred) print(f模型评估结果) print(f均方误差(MSE): {mse:.2f}) print(f决定系数(R²): {r2:.2f}) # 查看特征重要性线性回归的系数 coef_df pd.DataFrame({ feature: features, coefficient: model.coef_ }).sort_values(bycoefficient, ascendingFalse) print(f\n特征影响系数) print(coef_df)这个简单的模型可以告诉你在假设的其他因素不变的情况下“价格”每变动一个标准差单位“销量”平均会变动多少系数值。这就是从描述性统计价格和销量负相关到因果推断价格变动对销量的量化影响的一步。3. 打通闭环构建一个自动化数据分析工作流单独会爬虫和单独会数据分析价值是线性的。但将它们串联成一个自动化的流程价值则是指数级的。想象一下每天凌晨自动抓取竞品价格和销量清洗后存入数据库然后运行分析脚本生成包含关键指标和预警信息的报告并自动发送到你的邮箱。这才是 Python 作为生产力工具的终极形态。3.1 工作流设计从手动到自动的四个阶段阶段一手动验证。在本地 Jupyter Notebook 或脚本中手动跑通从爬取到分析的全流程。确保每一步逻辑正确结果符合预期。阶段二脚本化。将流程写成.py脚本通过函数和类组织代码接受命令行参数或配置文件。可以在本地定时运行如用 Windows 任务计划或 macOS/Linux 的 crontab。阶段三任务调度。使用更强大的调度工具如Apache Airflow或Prefect。它们可以可视化地编排复杂依赖的任务如先爬取A网站再爬取B网站等两者都完成再进行数据合并分析并管理任务失败重试、报警等。阶段四服务化/API化。如果你的分析结果需要被其他系统如公司内部的看板、决策系统调用可以使用Flask或FastAPI将核心分析逻辑包装成 RESTful API。这样前端或移动端可以随时请求最新的分析结果。3.2 一个简单的自动化示例每日电商数据监控假设我们想监控某电商平台特定商品的价格和库存。# monitor.py - 一个简化的自动化监控脚本框架 import requests import pandas as pd from bs4 import BeautifulSoup import smtplib from email.mime.text import MIMEText from email.mime.multipart import MIMEMultipart import schedule import time import logging from datetime import datetime # 配置日志 logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) def fetch_product_info(product_url): 爬取商品信息 headers {User-Agent: ...} try: resp requests.get(product_url, headersheaders, timeout15) soup BeautifulSoup(resp.text, html.parser) # 解析逻辑根据实际网站结构调整 price_elem soup.select_one(span.product-price) stock_elem soup.select_one(div.product-stock) price float(price_elem.text.strip().replace(¥, )) if price_elem else None stock stock_elem.text.strip() if stock_elem else 未知 return {price: price, stock: stock, fetch_time: datetime.now()} except Exception as e: logging.error(f抓取商品信息失败: {e}) return None def analyze_and_alert(data_history): 分析数据并触发警报 df pd.DataFrame(data_history) if len(df) 2: return latest df.iloc[-1] previous df.iloc[-2] alert_messages [] # 价格下跌超过10% if latest[price] and previous[price]: price_change (latest[price] - previous[price]) / previous[price] if price_change -0.1: alert_messages.append(f价格大幅下跌: {previous[price]} - {latest[price]} (跌幅{price_change:.1%})) # 库存状态变化 if latest[stock] ! previous[stock]: alert_messages.append(f库存状态变化: {previous[stock]} - {latest[stock]}) # 如果有警报发送邮件 if alert_messages: send_alert_email(alert_messages, latest) def send_alert_email(messages, latest_data): 发送警报邮件简化示例 # 实际使用需配置发件人、收件人、SMTP服务器等信息 subject f商品监控警报 - {datetime.now().strftime(%Y-%m-%d %H:%M)} body \n.join(messages) f\n\n最新数据: {latest_data} # ... 邮件发送逻辑 (使用smtplib) logging.info(f触发警报: {body}) def job(): 定时任务主函数 logging.info(开始执行监控任务...) product_urls [https://example.com/product/1, https://example.com/product/2] all_data [] for url in product_urls: data fetch_product_info(url) if data: all_data.append(data) # 可以在这里将data存入数据库如SQLite/MySQL if all_data: # 从数据库加载历史数据此处简化为从文件加载 # history load_history_from_db() # analyze_and_alert(history all_data) # save_to_db(all_data) logging.info(f成功抓取 {len(all_data)} 条数据。) logging.info(监控任务执行完毕。) if __name__ __main__: # 使用schedule库定时运行生产环境更推荐用cron或Airflow schedule.every().day.at(09:00).do(job) schedule.every().day.at(14:00).do(job) schedule.every().day.at(20:00).do(job) logging.info(监控服务已启动等待执行定时任务...) while True: schedule.run_pending() time.sleep(60)这个脚本虽然简单但包含了自动化工作流的核心要素定时触发、数据采集、逻辑分析、结果通知。你可以在此基础上加入数据库存储、更复杂的分析模型、更丰富的通知渠道如企业微信、钉钉机器人。4. 学习路径与避坑指南如何绕过“从入门到放弃”看了这么多你可能会觉得要学的还是很多。别急任何技能的学习都需要一个合理的路径和预期管理。下面是一个更务实的 Python 爬虫与数据分析学习路线图以及你必须绕开的几个大坑。4.1 务实的学习路线图非600集清单第一阶段核心基础1-2周目标能看懂和编写基础 Python 语法理解列表、字典、循环、函数、文件读写。行动不要纠结于所有语法细节。找一个简洁的教程官方文档、廖雪峰教程均可快速过一遍然后立刻开始写小脚本比如处理一个本地文本文件或计算一些简单数据。实践是唯一的学习方法。第二阶段爬虫入门2-3周目标能独立抓取一个静态网站的关键信息并保存。行动学习requests和BeautifulSoup。找一个结构简单的新闻网站或博客尝试抓取文章标题和链接。遇到问题学会看报错信息、使用print()调试、查阅官方文档和 Stack Overflow。将数据保存到 CSV 文件。第三阶段数据分析入门2-3周目标能对 CSV 文件中的数据进行清洗、统计和基本可视化。行动学习pandas的核心Series,DataFrame, 数据读取 (read_csv)数据筛选、分组聚合 (groupby)。学习matplotlib或seaborn绘制几种基础图表折线、柱状、散点、直方。用你爬取的数据或者从 Kaggle 找一个有趣的数据集如泰坦尼克号生存预测完成一次完整的描述性分析。第四阶段技能深化与串联持续目标解决更复杂的问题并将流程自动化。行动爬虫深化学习处理动态页面Selenium/Playwright、分析 API、使用 Scrapy 框架、应对反爬策略。分析深化学习更深入的统计知识、探索scikit-learn的基础模型线性回归、逻辑回归、决策树、了解时间序列分析。项目实践找一个你感兴趣领域的真实问题如分析豆瓣电影评分规律、追踪特定商品历史价格、分析你的社交媒体数据从头到尾实现它。这是成长最快的方式。4.2 必须绕开的五个大坑坑一沉迷于收集教程和安装环境。不要在不同教程间跳来跳去不要反复重装 Python 和 PyCharm。选定一个学下去。环境能用就行小问题先忽略。坑二不写代码只看视频。看10小时视频不如自己动手写1小时。必须把视频里的例子自己敲一遍并尝试修改它。坑三过早追求“优雅”和“高级”。初学者的代码丑陋、重复、效率低这完全正常。首要目标是让程序“跑起来出结果”。重构和优化是后面的事。坑四不处理异常和错误。你的脚本一定会出错。网络会断网站会改版数据会缺失。从一开始就要有意识地在代码中加入try...except记录日志让程序更健壮。坑五脱离实际需求学习。不要为了学“机器学习”而去学而是因为“我需要预测下个月的销量”而去学。以项目驱动学习目标明确动力才足。回到最初的问题Python 爬虫和数据分析远不是 600 集教程能“教”会的。它是一套以数据为中心的自动化问题解决思维。真正的精通不在于记住了多少库的函数而在于当你面对一个模糊的业务需求“我想知道我们的用户喜欢什么”时能清晰地将其拆解为数据问题“需要收集用户行为日志”并用技术工具链爬虫获取外部数据、pandas 清洗内部数据、sklearn 建模分析将其实现。从这个周末开始别再漫无目的地看教程了。打开一个你常逛的网站试着用requests和BeautifulSoup抓取点你感兴趣的内容然后用pandas看看你能发现什么。这个从零到一的过程比你被动看完任何一套教程都更有价值。