本系列將用 30 天帶大家從零開始，循序漸進走入 Python 資料分析的世界。從最基礎的 Python 核心語法與環境建置開始，逐步推進到 NumPy 矩陣運算、Pandas 資料清理與探索（EDA），再到 Matplotlib 與 Seaborn 的專業視覺化圖表繪製，最後更會包含一個完整的綜合資料集實戰專題。

每天聚焦一個具體的技術主題與實作環節，記錄學習與程式碼撰寫過程中使用的工具、踩坑紀錄與解法，希望 30 天後能真正掌握從「雜亂原始資料」到「洞察視覺化圖表」的完整能力。

我為什麼會選擇這個主題？
在資料驅動的時代，許多人想學資料分析，但往往卡在：

1.一開始就讀太多艱澀的統計或機器學習理論而放棄。

2.語法零散學習，遇到真實且髒亂的資料時不知道該如何下手處理與整理。

選擇Python 到資料分析的好處在於：學習曲線循序漸進且視覺回饋極高。每一天寫出的程式碼都能立即看到數據變化或產出圖表，每天都有具體、可展示的成果：

1.基礎打底：開發環境（VS Code / Jupyter Notebook）、Python 核心資料結構與語法。

2.數值與結構化運算：NumPy 陣列運算、Pandas 核心資料結構。

3.資料清洗與處理：遺漏值、重複值處理、型態轉換、GroupBy與多表合併。

4.探索性資料分析（EDA）與視覺化：Matplotlib 繪圖邏輯、Seaborn 進階統計圖表（直方圖、散佈圖、熱力圖等）。

5.綜合實戰：真實公開數據集（如政府開放資料、電商銷售或房價數據）實戰分析與到告輸出。