7. 拓展学习：一些有用的资源

恭喜你，你已经掌握了 Anaconda 和 Jupyter Notebook 的基础知识，成功迈出了数据科学的第一步！

学习编程和数据科学是一个持续的旅程。在遇到问题或者想要深入学习时，知道去哪里寻找答案和资源至关重要。下面为你整理了一些高质量的学习资源，希望能成为你未来学习路上的得力助手。

官方文档

官方文档永远是第一手、最权威的学习资料。当你对某个功能有疑问时，查阅官方文档通常是最好的选择。

Python 官方文档 (中文): https://docs.python.org/zh-cn/3/
- 内容非常全面，从入门教程到语言参考，应有尽有。
Anaconda 官方文档: https://docs.anaconda.com/
- 包含了 Anaconda Distribution, conda 命令，Anaconda Navigator 等所有相关工具的详细文档。
Jupyter Notebook 官方文档: https://jupyter-notebook.readthedocs.io/en/stable/
- Jupyter 的使用指南、高级配置等。
Pandas 官方文档: https://pandas.pydata.org/docs/
- pandas 是数据分析的核心库，它的文档非常完善，包含了大量的示例。
Matplotlib 官方文档: https://matplotlib.org/stable/contents.html
- 学习如何绘制各种复杂的、出版级别的图表。

廖雪峰的 Python 教程（速查与示例）：[https://www.liaoxuefeng.com/wiki/1016959663602400 ] (https://www.liaoxuefeng.com/wiki/1016959663602400)
结构清晰、示例丰富，适合快速查语法和常用用法。
菜鸟教程（快速参考）：https://www.runoob.com/python3/python3-tutorial.html
简洁的语法说明与常见示例，便于印刷为速查卡片。

B站（哔哩哔哩）: https://www.bilibili.com/
- 丰富的中文教学视频与课程，包含 Python、数据分析、机器学习与深度学习的入门与实战教学。许多高校课件和实战项目都有完整播放列表，适合通过视频和实操笔记系统学习和复习。
Kaggle: https://www.kaggle.com/
- 全球最大的数据科学社区和竞赛平台。这里有真实的数据集、丰富的 Notebook 案例（被称为 Kernels）和高质量的微课程（Kaggle Learn），是实践和学习的绝佳场所。
中文在线课程平台：
- 中国大学MOOC（学堂在线）：https://www.icourse163.org/ / https://www.xuetangx.com/
- 网易云课堂：https://study.163.com/
- 慕课网：https://www.imooc.com/
- 这些平台提供系统化的中文课程，适合系统学习与跟课练习。

豆包: https://www.doubao.com/
- 国内的对话式 AI 助手，适合中文问答、代码示例和教学辅助，可用于快速生成示例代码与解释。
知乎（Zhihu）： https://www.zhihu.com/
- 大量技术问答、原创专栏和经验分享，适合查找实践经验与社区讨论。
GitHub: https://github.com/
- 全球最大的代码托管平台。你可以通过搜索找到几乎所有开源库的源代码，学习高手是如何写代码的。同时，在库的 “Issues” 页面，你可以向开发者报告 Bug 或提出功能建议。

DataCamp Cheat Sheets: https://www.datacamp.com/community/data-science-cheatsheets
- 提供了包括 Python, Jupyter, Pandas, Matplotlib, Scikit-learn 等在内的海量高质量速查表。

希望这份资源列表能对你有所帮助。记住，持续学习和不断实践是成为优秀数据科学家的不二法门。祝你学习愉快！