拿一份员工记录来说，你可以先看 shape、columns 和 dtypes，确认自己正在处理哪些行与列；然后筛选目标范围，再做聚合；看到数字以后，再回查空值、异常值和重复记录。这里有三个抓手值得一直留在手边：

• 📦 输入对象：当前是一整张表、一列，还是已经筛过的一组记录；
• 🔎 操作范围：筛选、清洗和聚合分别改动了哪些数据；
• 🧾 返回结果：输出能回答哪个业务问题，结论停在哪个样本范围内。

💡 一串能执行的代码还不够，先核对对象和范围，再读聚合数字与图表，后面的解释才不会被前面的筛选悄悄带偏。

🧪 四个空值为什么能带出两套结论

代码能跑，只说明程序完成了指令。它不会替你判断这条指令的业务含义。

Week 7 的员工数据把这件事讲得很直观：69 行记录里，有 4 行缺少 years of experience。如果把这 4 个空值填成 0，minimum 会落到 0，mean 是 18.84058，sum 是 1300。如果用已知值的 mean 20 填补，minimum 会回到 1，mean 是 20，sum 则变成 1380。两段代码都能顺利返回结果，差别来自你给未知值安排了什么含义。填 0 相当于把未知经验记作零年，填 20 则用已知样本的中心位置代替未知；两种处理都无法自动还原那 4 个人的实际情况。这个例子让我觉得这门入门课很有意思，因为清洗规则会进入结论，而且影响可以直接出现在一个平均值、一张图甚至后续模型输入里。你以后看到数字变化，先回看数据版本和处理动作，解释会比盯着输出猜原因更扎实。顺着这条线进入 regression 或 classification 时，也要先锁定 target 和 predictors，再判断当前数据能支持怎样的输出。

这也是个人任务、小组方案和期末复习能够共用的一种思路。你练的表面上是不同工具，手里反复做的动作一直是把问题、数据、代码和解释对齐。

🧭 五格复核把三类考核放回同一条线

我会把整门课压成一条五格复核：business question、data object、operation、check、business meaning。动手前先定问题和目标输出，再选数据对象与 Python 操作；运行后回看输入范围、返回结果和结论边界。这样处理以后，Week 1–4 的 variable、condition、loop 与 function 不再是散开的语法，Week 5–9 的表格、清洗、文件和模型也能沿同一条链往下接。

比如要看员工样本呈现怎样的工作年限，你可以把 data object 落到工作年限这一列，把 operation 写成缺失处理与 mean，把 check 写成对比填 0 和填 20 后的结果变化，business meaning 只落在这 69 行记录。这个填好的小例子比空着五个词更有用，因为每一格都能追到一个具体对象。遇到 Skills Challenges，它帮你检查短代码和 quiz 判断有没有漏掉输入与返回值；进入小组项目，它能把个人写的代码变成队友可以复核的处理链；准备期末时，它又能把各周工具按同一套问题重新串起来。你不需要为三类考核各背一套完全分开的逻辑，平时留下的检查轨迹会直接变成复习线索。

🧭 先定问题与输出，再选对象与操作，运行后检查范围和含义。下一页我会直接打开完整攻略，让你看这条路线在资料里怎样被讲开、怎样拿来练。