从 Python 基础一路学到科学计算、数据分析、统计建模与面板计量

一套连续、现代、可复现的 Python 科学计算中文教程

开始学习 · 30 秒开始 · 课程地图 · English · 参与贡献

---

一个仓库，系统掌握 Python 科学计算。
不再分别收藏 Python、NumPy、Pandas、SciPy 和统计建模教程：这里把它们组织成一条连续、可复现、面向现代科学 Python 生态的学习路线。

✨ 为什么这个项目值得收藏

• 完整学习链路：Python → NumPy → Pandas → SciPy → Statsmodels → LinearModels。
• 100+ Markdown 教程与文档 + 25 个 Jupyter Notebook，既适合系统学习，也适合日常查阅。
• 面向现代科学 Python：重点清理已经移除或不再推荐的旧 API，覆盖 NumPy 2.x、Pandas 3.x、SciPy、Statsmodels 与 LinearModels 的现代接口习惯。
• 不只讲 API：覆盖数据处理、数值计算、优化、统计检验、回归、时间序列、面板数据、IV/2SLS、SUR/3SLS 等科研常用方法。
• 强调可复现：示例尽量采用固定随机种子、本地生成数据或随包数据，减少网络依赖。
• 持续自动检查：GitHub Actions 自动验证目录结构、Markdown 相对链接、Notebook JSON 与已知废弃 API。

🧭 学习路线

Python 基础
   ↓
NumPy 数值计算
   ↓
Pandas 数据分析
   ↓
SciPy 科学计算
   ↓
Statsmodels 统计建模
   ↓
LinearModels 面板与计量模型

如果你是初学者，建议直接按 01 → 06 顺序学习；如果已经有 Python 基础，可以从需要的模块直接进入。

⚡ 30 秒开始

git clone https://github.com/hujinghaoabcd/python-scientific-tutorial.git
cd python-scientific-tutorial
python -m venv .venv

Windows PowerShell：

.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
pip install -r requirements.txt
jupyter lab

macOS / Linux：

source .venv/bin/activate
python -m pip install -U pip
pip install -r requirements.txt
jupyter lab

🗺️ 课程地图

阶段	模块	你会学到什么	入口
01	Python	语法、数据结构、函数、模块、文件、异常、OOP、综合项目	开始
02	NumPy	ndarray、索引、广播、向量化、统计、随机数、线性代数、I/O	开始
03	Pandas	Series、DataFrame、清洗、合并、分组、时间序列、性能优化	开始
04	SciPy	插值、优化、统计、积分、ODE、线代、信号、空间、稀疏矩阵、ndimage	开始
05	Statsmodels	OLS、GLM、混合模型、稳健回归、时间序列、统计检验、生存分析	开始
06	LinearModels	面板数据、固定/随机效应、IV/2SLS、资产定价、SUR/3SLS、Fama–MacBeth	开始

🎯 三条推荐路线

路线 A：从零系统学习

Python → NumPy → Pandas → SciPy → Statsmodels → LinearModels

适合希望建立完整 Python 科学计算知识体系的学习者。

路线 B：数据分析与科学计算

Python → NumPy → Pandas → SciPy.stats / optimize / integrate

适合数据处理、科研计算、数值分析与工程计算。

路线 C：统计建模与科研

Python → NumPy → Pandas → Statsmodels → LinearModels

重点覆盖模型设定、估计结果解释、稳健标准误、统计检验、时间序列、面板数据和工具变量方法。

📁 项目结构

python-scientific-tutorial/
├── 01-python/          # Python 基础
├── 02-numpy/           # NumPy 数值计算
├── 03-pandas/          # Pandas 数据分析
├── 04-scipy/           # SciPy 科学计算
├── 05-statsmodels/     # Statsmodels 统计建模
├── 06-linearmodels/    # LinearModels 面板与计量模型
├── assets/             # 项目视觉资源
├── scripts/            # 仓库质量检查
├── README.md
├── README_EN.md
├── CONTRIBUTING.md
├── requirements.txt
└── LICENSE

🤝 参与贡献

欢迎修正错误、改善解释、更新新版本兼容性或补充真正重要的科学计算主题。

提交前请先阅读 CONTRIBUTING.md。

如果这个项目对你有帮助，也欢迎点一个 Star，这样以后需要 NumPy、Pandas、SciPy 或统计建模示例时可以快速找到它。

📄 License

本项目采用 MIT License。

ℹ️ 说明

本仓库是一套教学型项目，不是各库官方文档的替代品。遇到版本差异、边界行为或科研级模型设定时，应同时查阅对应项目的官方文档与方法论文。