一套經過教室實戰淬鍊的 Python 資料分析開源教材 從零基礎到 GPU 加速，從單檔 Notebook 到可部署的 Python 專案架構——一次給齊。
本專案收錄作者多年於資策會 (iSpan) 授課過程中不斷迭代、補強、重寫的教學素材。所有內容以 公開、可重現、可自學 為原則整理成 cookbook（食譜本）形式：每一個章節都是可以直接打開就跑的 Notebook，每一個範例都對應一個真實世界的資料問題。
如果你正在尋找一套不只是「API 教學」、還想帶你建立資料分析師思維方式的中文教材——歡迎在這裡留下一顆 Star，然後選擇最適合你目前程度的路徑開始。
市面上 NumPy / Pandas / Matplotlib 的教學資源並不少，但實際帶過上百位學員後，我們發現學習者卡關的點幾乎都不是「語法」，而是：
- 看得懂別人的程式，卻寫不出自己的分析——缺少從需求到程式碼的轉譯訓練。
- 跑得動 Notebook，卻搬不進專案——不知道如何把探索性程式整理成可維護的模組。
- 會算平均數，卻不知道怎麼把結果講成故事——視覺化停留在「畫得出來」而不是「說得清楚」。
- 學得完基礎，卻跨不進效能/規模化——沒人告訴他們 GPU、ETL、自動化測試的入口在哪裡。
本專案用分級、貫穿、可驗證三個原則重新組織教學路徑，讓學員可以從入門一路走到進階，而不需要重新找教材、重新學語法。
本 Repo 提供三個對應不同程度與不同學習目的的教材版本，它們共用資料集與命名規則，彼此之間可以無縫接軌。
路徑：Classic-Edition_python_DA/
如果你是 第一次碰資料分析，或希望用最傳統、最扎實的方式把 NumPy / Pandas / Matplotlib / Seaborn 一個指令一個指令學過去，這是最適合的版本。
numpy/：陣列建立、基礎運算、進階數值運算（4 章）pandas/：Series / DataFrame 基礎 → 資料清理 → 時間序列 → 特徵工程 → 多變量統計檢定（12+ 章）data_vis/：Matplotlib、Seaborn 與小型視覺化專題
適合對象：完全沒接觸過資料分析的初學者、想系統性補齊基礎的轉職者。
路徑：Special-Edition_python_DA/
這是作者為企業內訓與短期密集課程設計的 6 個 Session × 2 小時 精煉版本。全程用 一個電商銷售貫穿式案例 串起，從 NumPy 向量化思維一路帶到 Plotly 互動 Capstone。
| Session | 主題 | 核心工具 |
|---|---|---|
| S1 | NumPy 與向量化思維 | NumPy |
| S2 | Pandas I/O 與資料清理（ETL 第一哩路） | Pandas |
| S3 | Pandas 轉換：groupby / merge / pivot | Pandas |
| S4 | 時間序列 + EDA 實戰 | Pandas |
| S5 | 視覺化精華：5 種必懂圖 | Matplotlib + Seaborn |
| S6 | Plotly 互動 + Capstone | Plotly |
更特別的是，這個版本附上了 homework-template/——一套基於 GitHub Actions 的自動批改作業系統。學生 Fork → 寫作業 → Push → 發 PR，自動跑測試、自動打分、自動生成成績單。對想要自行開班授課的講師來說，這是一份可以直接拿去用的完整 CI/CD 教學基礎建設。
適合對象：時間有限的在職工作者、想在 12 小時內建立資料分析工作流程的學員、想要自動化批改作業的講師。
路徑：Master-Advance/
當你已經會用 Pandas 處理資料，下一步會遇到的問題往往不再是「怎麼寫這個函式」，而是「我寫的程式能不能跑得快、擴得開、維護得住」。這個目錄收錄四個進階方向：
從 Numba CUDA 入門，一路走到 CuPy / cuDF / cuML / cuGraph 與 Dask-CUDA 多卡處理，並以一個端到端的資料分析 pipeline 作為收尾。如果你的 Pandas 已經跑到 CPU 極限，這裡就是你的下一站。
- 01
Introduction to CUDA Python with Numba - 02
GPU Acceleration Overview & Environment Setup（含 Apple Silicon 替代方案說明） - 03
CuPy: GPU-Accelerated NumPy - 04
cuDF: GPU-Accelerated DataFrames - 05
cuML: GPU-Accelerated Machine Learning - 06
cuGraph: GPU-Accelerated Graph Analytics - 07
Dask-CUDA: Multi-GPU & Large-Scale Processing - 08
RAPIDS End-to-End Data Analysis Pipeline
模組化的 ETL 課程，涵蓋檔案 I/O、SQL + Python 整合、日誌系統、配置管理、Python 工具函式與整合型 Capstone。這是把「分析師腳本」升級成「可排程、可監控、可交接」資料管線的必經之路。
資料分析師最常被忽略的一塊：軟體工程素養。本子專案提供：
oop_course/：完整的 Python 物件導向系列課程，涵蓋模組、套件、檔案路徑處理、OOP 基礎、繼承、封裝、多型、設計模式。tutorials/：10 篇循序漸進的 Markdown 教學文件，從模組匯入一路講到設計模式，是對新人做技術 Onboarding 的現成教案。examples/、OOP/：可跑的範例專案與範本結構。
當你把一份 Notebook 拆成模組、寫成套件、加上測試、發佈到 PyPI——你就不再只是會用 Python 的分析師，而是能交付可維護系統的資料工程師。
收錄智慧醫療假設檢定、智慧製造 SPC 管制圖、推論統計、Kaggle 獲獎技巧等實戰案例。用比賽的高強度情境訓練分析肌肉。
Sunny_python_數據分析.pdf——作者課堂使用的完整投影片python-adv-key-point.xmind——進階主題心智圖
選擇一條路徑，進入對應目錄，依照裡面的 README.md 指示即可。若要一鍵安裝所有入門套件：
pip install numpy pandas matplotlib seaborn plotly jupyter pytest進階課程（GPU / ETL）的相依套件請見各子目錄的 requirements.txt。
| 你的現況 | 建議起點 |
|---|---|
| 完全沒寫過 Python 資料分析 | Classic Edition → numpy/ |
| 會 Python、想快速吸收資料分析能力 | Special Edition → S1 |
| 已經會 Pandas，想突破效能瓶頸 | Master-Advance → acceleration/ |
| 想把 Notebook 升級成真實專案 | Master-Advance → Python_project_sample/ |
| 準備開課、需要現成教案與批改系統 | Special Edition → homework-template/ |
本專案以開源形式釋出，歡迎：
- 發 Issue 回報 Notebook 執行錯誤、說明不清楚或版本相容性問題
- 發 Pull Request 補充範例、翻譯、勘誤、新增測試
- Fork 本 Repo 改作為自己的教學教材（請保留原始出處）
- 在你的學習筆記、技術部落格、讀書會中引用本 Repo 的內容
如果這份教材對你的學習或教學有幫助，給本專案一顆 Star 是對作者最直接的鼓勵。
本專案由作者於資策會 (iSpan) 開設 Python 資料分析系列課程期間持續累積而成。課堂上的每一次提問、每一個卡關、每一份學員專題，都被逐步整理回教材裡——因此你在這裡看到的不是一份「寫完就放著」的教學文件，而是一份仍在每個新梯次持續被迭代的活教材。
課程資訊、企業包班、公開班梯次與合作邀約，請循資策會官方管道聯繫；線上內容與社群交流則歡迎透過本 Repo 的 Issue / Discussion 進行。
學資料分析，不只是學套件；是學一種看世界的方式。 願這份 cookbook 能陪你走完從「跑得動」到「說得清」、從「看得懂」到「做得出」的那段旅程。