最小工作流是：项目文件夹中放数据、代码和输出；从项目根目录运行；脚本按顺序读入、处理、分析、保存。
不要把 C:\Users\某人 这样的绝对路径写死。相对路径与统一目录结构让队友可以复现。
建议目录：data/raw、data/clean、src、output/figures、output/tables。脚本入口记录版本、参数和随机种子。
开赛先建立共享项目骨架和 README。README 只需写环境版本、运行入口、输入文件和输出位置。
别踩坑使用个人绝对路径代码与输出散落桌面
学完能做什么
可检查的学习目标
01
能读入表格并完成数组级计算
能读入表格并完成数组级计算
02
能把重复步骤封装为函数并排查维度错误
能把重复步骤封装为函数并排查维度错误
03
能输出带标签的图表、结果表与运行记录
能输出带标签的图表、结果表与运行记录
知识点01
环境、路径、脚本与输出
先跑通最小工作流
先猜一猜
同一段代码在队友电脑报“找不到文件”，最常见原因是模型错了吗？
动手试一试
LIVE工程可复现性
比较三种文件组织。
作者勉强能找，队友几乎无法运行。
跟我算一遍读取销量表
项目根目录下 data/raw/sales.xlsx。
Python：pd.read_excel('data/raw/sales.xlsx')。
MATLAB：readtable('data/raw/sales.xlsx')。
把清洗结果写入 data/clean，而不是覆盖原文件。
队友复制整个项目文件夹后，无需修改用户名和盘符即可运行。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
哪种路径最适合团队共享项目？
换电脑后仍应成立。
参考答案
data/raw/data.xlsx。它是相对项目根目录的路径，不依赖个人用户名和盘符。
02判断未作答
清洗脚本可以直接覆盖原始数据文件，节省空间。
Raw 是不可替换的证据。
参考答案
错误。原始数据应保留，清洗结果另存，才能追溯和重做。
03简答未作答
最小 README 至少写哪四项？
让队友不用问作者就能运行。
参考答案
环境/版本、运行入口、输入文件位置、输出结果位置；也可写依赖安装和参数说明。
04选择未作答
随机算法要复现实验，最应记录什么？
随机性需要被固定。
参考答案
随机种子。相同算法、数据和随机种子才能复现随机过程。
知识点02
先看形状，再写公式
数组、向量与索引
先猜一猜
两个都叫“长度 5”的数组，为什么相乘会报错或得到意外结果？
向量和矩阵是建模计算的基本容器。写任何运算前先看 shape/size：有多少行、多少列，每一维代表什么。
MATLAB 索引从 1 开始；Python/NumPy 从 0 开始。逐元素乘法与矩阵乘法含义不同。
NumPy：* 是逐元素，@ 是矩阵乘；MATLAB：.* 是逐元素，* 是矩阵乘。矩阵 A(m×n) 与 B(n×p) 才能做 AB。
每个关键数组旁写注释：行=样本、列=指标。报错先打印形状，不要盲目加转置。
别踩坑混淆元素乘与矩阵乘不看维度就转置
动手试一试
LIVE维度意识
比较三种排错习惯。
错误可能消失，但语义可能已经错。
跟我算一遍加权得分
3 个方案、4 个指标的矩阵 X，权重 w 有 4 个。
X 形状为 3×4。
w 作为 4×1 列向量。
Xw 得到 3×1，每个方案一个得分。
若 w 写成 1×4 行向量，矩阵乘法维度不匹配；应确认语义后改变形状。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
X 为 10×3，w 为 3×1，Xw 的形状是？
矩阵乘法：(10×3)(3×1)。
参考答案
10×1。内维 3 匹配，保留外维 10 与 1。
02判断未作答
Python 与 MATLAB 的第一个元素索引都为 1。
两种语言最常见差异之一。
参考答案
错误。Python/NumPy 从 0 开始，MATLAB 从 1 开始。
03选择未作答
NumPy 中做矩阵乘法通常使用哪个运算符？
区分 element-wise 与 matrix multiplication。
参考答案
@。* 通常是逐元素相乘。
04简答未作答
为什么报维度错时不应第一反应就转置？
能跑不等于算对。
参考答案
转置可能让计算形式可运行，却改变行列语义；应先确认每一维代表什么，再决定是否转置。
知识点03
先看表，再开始算
可靠地读入与检查数据
先猜一猜
read_excel 没报错，为什么后面的均值仍可能全是空值？
读入成功只说明文件打开了，不说明数据类型、缺失值和列名正确。
第一轮检查应包括行列数、前几行、列名、数据类型、缺失数和唯一值。
Python 常用：head、shape、dtypes、isna().sum、describe；MATLAB 常用：head、size、summary、ismissing。
把数据概况自动导出为一张 quality_report 表，论文的数据预处理章节可直接引用关键发现。
别踩坑数字列被读成文本忽略中文空格与重复列名
动手试一试
LIVE读入检查深度
观察从“能打开”到“可信数据”的距离。
类型和缺失问题会潜伏到后续。
跟我算一遍金额列无法求和
金额列含“1,200元”“—”“ 850 ”。
去掉逗号、单位和首尾空格。
将“—”定义为缺失，而不是 0。
转换为数值并统计转换失败的记录。
清洗后金额为数值列；转换失败数必须被记录，不能静默丢失。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
读入后最先应该检查哪组信息？
先验证输入。
参考答案
行列数、列名、类型和缺失。它们决定后续计算是否可信。
02判断未作答
金额缺失可以一律填 0，因为 0 也是数字。
未知不等于没有。
参考答案
错误。缺失表示未知，0 表示真实零金额，含义不同；填补方法必须基于业务。
03简答未作答
数据类型检查能发现哪两类常见问题？
想想为什么无法求和或按时间排序。
参考答案
数字被读成文本；日期被读成普通字符串；分类编码混入异常字符等。
04选择未作答
清洗转换失败的记录应该怎样处理？
任何数据损失都应有记录。
参考答案
记录数量和位置，再根据规则处理。可追溯比静默消失重要。
本讲主实验 · 拖一拖再下结论
循环与向量化速度直觉
改变数据量和单次运算复杂度，比较逐项循环与批量数组运算的估算成本。
观察结果等待计算
调整左侧参数，观察模型输出怎样变化。
实验后想一想
向量化更快是否意味着任何循环都应删除？写出至少一个仍适合保留循环的场景。
知识点04
先正确，再复用，再提速
函数、循环与向量化
先猜一猜
一段代码复制了 6 次，只改列名，最可能埋下什么风险？
函数把一项清楚任务封装成输入—处理—输出，可减少重复并方便测试。
向量化让数组一次参与运算，代码更接近数学公式，通常也更快；但逻辑复杂时，清楚的循环仍然合理。
先用小数据写出正确版本；再封装函数；最后用数组运算替换无必要的逐项循环。优化前后必须核对结果一致。
为关键函数准备 2–3 个小测试：正常、边界、异常。比赛中改一处后立刻运行测试，避免影响整条流水线。
别踩坑复制粘贴多份逻辑为了快牺牲可读性
动手试一试
LIVE代码成熟度
比较复制、函数与测试。
改规则时容易漏掉一段。
跟我算一遍负向指标正向化
多列指标需要按 max−x 转换。
写函数接受一列数值并返回 max(x)−x。
用小数组 [2,5,8] 验证结果 [6,3,0]。
对指定列批量调用，不复制三段代码。
规则只维护一处；若改为区间型指标，只替换函数实现。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
什么时候最适合封装函数？
函数代表可重复的小任务。
参考答案
一项逻辑重复使用且输入输出明确。
02判断未作答
向量化一定比循环更容易理解。
清晰性也要考虑。
参考答案
错误。简单数值运算通常更清晰，但复杂状态更新或早停逻辑可能用循环更直观。
03计算未作答
负向正向化 y=max(x)−x，x=[2,5,8]，y 是什么？
每个元素从最大值中减。
参考答案
max=8，所以 y=[6,3,0]。原值越小，转换后越大。
04简答未作答
代码优化前后为什么要核对输出一致？
速度不能以正确性为代价。
参考答案
提速或改写可能改变索引、广播、精度或边界行为；一致性检查证明优化没有改变模型含义。
知识点05
数据—图形—结论一致
画出能解释的图
先猜一猜
绘图函数运行成功，却没有单位、图例和标题，这张图能直接放论文吗？
代码绘图的优势是可重复：数据更新后图自动更新。但必须显式设置尺寸、标签、单位、图例和保存分辨率。
每张图前先写问题，图后写一句发现。不要因为库里有某种图就使用。
Python 常用 matplotlib/seaborn；MATLAB 常用 plot/scatter/bar。保存为 PNG 300 dpi 或矢量格式，并固定配色。
建立统一绘图函数：字体、字号、颜色、网格与保存路径一次定义；每次只传数据、标签和标题。
别踩坑只 show 不 save图例遮挡数据
动手试一试
LIVE图形证据
比较只画结果与保留原始数据。
看不到散点，无法判断离线程度。
跟我算一遍散点与回归线
展示温度与用电量关系。
画温度—用电散点，观察形状与异常点。
叠加拟合线，但保留原始点。
标题说明结论，轴标签写单位。
读者能同时看到原始证据、模型趋势和可能偏离，不会只看到一条“完美直线”。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
关系分析中为什么应保留散点？
拟合线会压缩信息。
参考答案
让读者看到原始分布、异常点和拟合偏差。
02判断未作答
屏幕显示清楚的图，直接截图就一定适合论文。
输出流程也要可复现。
参考答案
错误。截图可能低分辨率、尺寸不统一且不可复现，应使用代码保存高分辨率或矢量图。
03简答未作答
绘图函数至少应统一哪些样式？
减少每张图临时调整。
参考答案
画布尺寸、字体字号、颜色、线宽/点型、网格、图例位置、保存路径与分辨率。
04选择未作答
图表纵轴标签“销量”还缺什么最重要信息？
数值没有单位就难解释。
参考答案
单位，例如“销量/件”。
知识点06
让结果能被找到、核对、重跑
输出、日志与复现
先猜一猜
运行十次产生 result_final_v2_new.xlsx，最后哪一个才是论文里的数？
输出文件应包含明确名称、时间或版本、参数摘要。日志记录读取了什么、处理了多少行、使用哪些参数、产生哪些文件。
论文中的关键数值最好由脚本自动写入结果表，减少手工复制错误。
一次运行的最小记录：代码版本、数据版本、参数、随机种子、开始结束时间、关键指标、输出路径。
设置一键入口 main，按固定顺序重建 clean 数据、表和图。提交前在新文件夹做一次从零运行。
别踩坑手工复制关键数值输出文件无限加 final
动手试一试
LIVE交付可靠性
切换三种结果交接方式。
来源不清，极易复制错。
跟我算一遍结果清单
回归脚本完成后需要交给写作者。
输出 coefficients.csv 与 metrics.csv。
保存 scatter_fit.png 与 residuals.png。
日志写明样本量、训练/测试划分和参数。
写作者能从固定结果文件取数；模型修改后重新运行即可同步更新。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
避免 final_v8 文件混乱的最佳方式是？
版本应由规则管理。
参考答案
固定输出结构并记录运行版本或时间，让每次运行可追溯。
02判断未作答
随机种子只影响代码速度，不影响结果复现。
随机过程的结果依赖种子。
参考答案
错误。随机划分、初始化、抽样等会因随机种子产生不同结果。
03简答未作答
提交前“从零运行”能发现什么？
清空环境更接近队友或评委复现。
参考答案
能发现隐藏的临时变量、缺失依赖、错误路径、未保存数据和运行顺序依赖。
04选择未作答
论文中的回归系数最好从哪里取得？
减少手工转录。
参考答案
脚本自动导出的结果表。这样模型更新时不易出现论文数字未同步。
离开前完成
从零写一个可交接的数据分析脚本
同一任务分别用 MATLAB 或 Python 完成即可，重点是别人能运行和理解。
LOCAL PACK
本地学习资源
讲义、练习、实验与挑战清单均在本地页面内。