大家好，歡迎來到數據新手村的第八天！經過前七天「基礎建設週」的努力，我們的開發工作站、數據金庫與版本控制時光機都已備妥。從今天開始，將正式告別安裝與設定，潛入數據的世界，開始撰寫真正的程式碼。

今天，我們將認識未來 20 多天要朝夕相處的兩位主角：

1. 戰場： 巴西 Olist 電商數據集
2. 第一件武器： Python 數據科學基石 NumPy

為什麼要學數據處理？開啟數據分析的完整流程

在數據爆炸的時代，數據本身沒有價值，經過處理與分析後才能轉化為洞見。可以想像，如果只有冰冷的數據，永遠無法回答「哪個城市的訂單最多？」「哪款產品最受歡迎？」這類商業問題。

數據處理就是將原始數據轉變為有意義資訊的關鍵步驟。一個完整的數據分析流程通常包含以下環節：

1. 數據收集： 從各種來源獲取原始數據（例如訂單歷史紀錄、網路爬蟲等）。
2. 數據清洗： 處理數據中的「雜質」，例如缺失值、錯誤數據、格式混亂等問題。
3. 數據分析： 運用統計方法（平均值、最大值、比例）、分組對比（例如男女用戶消費差異）等，從數據中提取模式與趨勢。
4. 數據可視化： 「一圖勝千言」。將複雜的數據以圖表形式呈現（折線圖看趨勢、柱狀圖做對比、散點圖找相關性），幫助我們快速理解。

而 Python 及其強大的函式庫，正是執行這整個流程的最佳工具鏈：

練功場景：巴西 Olist 電商數據集導覽

在開始動手寫程式之前，必須先了解手上的「彈藥」。Olist 數據集是一份來自真實世界的巴西電商平台公開數據，它並非單一的 CSV 檔案，而是由 9 個獨立的檔案組成，共同描繪出一個電商帝國的運作縮影。

圖 1：Olist 資料庫中各表格之間的關聯模型示意圖

這些檔案分別記錄了電商業務的不同面向：

• olist_orders_dataset.csv：訂單主表，核心數據。
• olist_order_items_dataset.csv：訂單商品表，訂單內容細節。
• olist_order_payments_dataset.csv：訂單支付表，付款方式與金額。
• olist_customers_dataset.csv：客戶資料表，買家基本資訊與地理位置。
• olist_products_dataset.csv：商品資料表，商品分類與物理屬性。
• olist_sellers_dataset.csv：賣家資料表，賣家地理位置。
• olist_order_reviews_dataset.csv：訂單評論表，客戶滿意度回饋。
• olist_geolocation_dataset.csv：地理位置表，郵遞區號經緯度。
• product_category_name_translation.csv：產品類別翻譯表，葡萄牙文分類轉英文。

在接下來的旅程中，將不斷地在這些表格之間穿梭，將它們合併、清理、分析，最終挖掘出有價值的商業洞見。

數據的發動機：NumPy 介紹與初體驗

要處理如此龐大且複雜的數據，我們需要一把鋒利的武器。Python 內建的 list (列表) 雖然靈活，但在進行大規模數值計算時，它的效能並不足以應付數據分析的需求。

這就是 NumPy 登場的原因。NumPy (Numerical Python) 是 Python 中科學計算的基礎套件，它的核心是 ndarray (N-dimensional array) 這個強大的多維陣列物件。

您可以把 NumPy 想像成是 Python 數據科學的**「發動機」**。它是一個 Python 庫，提供多維陣列物件以及用於對陣列進行快速操作的各種方法，包括數學、邏輯、形狀操作、排序、隨機模擬等。

NumPy ndarray 的關鍵優勢：

• 高效能： 基於連續的記憶體區塊儲存，並使用 C 語言底層進行運算，速度比 Python list 快上數十甚至數百倍。
• 向量化運算： 可以對整個陣列進行數學運算，無需編寫 for 迴圈，程式碼更簡潔、可讀性更高。
• 豐富的函式庫： 提供大量用於線性代數、傅立葉變換和隨機數生成的函式。

第一次親密接觸：NumPy 陣列的創建與特性

理論說了這麼多，不如親自動手。打開 PyCharm，在您的 Numpy_Basics/course_notes 資料夾中，開啟或建立一個新的 Jupyter Notebook (.ipynb) 檔案，寫下第一行 NumPy 程式碼。

事前準備：安裝 NumPy 和 Pandas

如果 PyCharm 專案環境中還沒有安裝 NumPy 和 Pandas，請先在 PyCharm 下方的「終端機 (Terminal)」中輸入以下指令：

pip install numpy pandas