学习编程语言、开发工具与工程实践，按技术专题查阅原创教程、可运行示例和常见问题。
本篇是案例系列的第七篇，用一份模拟的交易流水数据走完反欺诈建模全流程：数据模拟 → 欺诈占比与金额分布探索 → 金额/频次/时间窗口/设备地点特征工程 → 类别不平衡处理（class_weight 与 SMOTE）→ 逻辑回归与随机森林对比 → PR-AUC 与召回率评估 → 风控规则与阈值建议 → 结论与行动建议。前置知识：[第 36 章](36-pandas与sklearn建模完整流程.md)的 Pipeline 与评估指标。学完后你能独立做一份"能上线、可解释、不漏欺诈"的风控初版模型。
前置：已经完成第一课，成功跑通 Hello Flask 项目。本节课学习目标。掌握静态路由定义。学会 URL 动态传参（变量路由）。路由变量类型限制（int、string、path）。多路由绑定同一个视图函数。指定 HTTP 请求方法 GET / POST。url_for 反向构建URL。
# 第一课 复习+答疑。> 本节课目标：成功搭建虚拟环境，跑通 Hello Flask，理解基础代码含义。## 回顾操作清单。1. 新建项目文件夹 `flask-demo`，cd 进入目录。2. 创建虚拟环境。```bash。# Mac/Linux。python3 -m venv venv。# Windows。
Flask 从零到精通学习计划。> 学习模式：我们一节一节推进，每完成一节，你回复**下一步**，我再开启下一章。> 前置基础：你需要懂 Python 基础（变量、函数、类、模块、pip），不懂我们可以先补 Python。> 环境推荐：Mac / Windows / Linux，Python3.8+。
本篇把 pandas 从"数据处理"延伸到"机器学习建模"，给出一条"DataFrame 进、模型出"的完整可运行流水线：数据清洗 → 特征工程 → 划分训练/测试集 → 用 `ColumnTransformer + Pipeline` 把编码、缩放、模型串起来 → 训练预测 → 分类/回归评估 → 交叉验证 → 特征重要性 → 模型解释要点。前置知识：前面章节的 DataFrame 操作、[第 35 章](35-特征工程与数据预处理.md)的特征工程。学完后你能把任意一份表格数据喂给 sklearn，并避开"数据泄漏""列名丢失""流程割裂"这三个最常见的坑。
本篇把 pandas 与 scikit-learn 串成一条可运行的预处理链路，覆盖缺失值策略、类别编码、数值缩放与分箱、时间特征、文本 TF-IDF、特征选择，以及最容易翻车的"训练集/测试集划分与防数据泄漏"。前置知识：第 7 章缺失值、第 8 章类型转换、第 14 章时间序列。学完后你能把一份脏数据变成模型可直接吃下的特征矩阵，并自信地说"我这套预处理没有泄漏未来信息"。
本篇讲解 pandas 连接 PostgreSQL（psycopg2 / SQLAlchemy）的工程化实战，覆盖类型映射、大结果集分块与流式读取、SQLAlchemy 连接池配置、COPY 批量导入导出，以及与 MySQL 的差异对照。前置知识：第 4 章基础读写、第 22 章数据库读写优化、[第 33 章](33-pandas与MySQL实战：读写与SQL对比.md)。学完后你能让 pandas 在生产库上既不撑爆内存、也不打满连接数，安全高效地完成"查询 → 清洗 → 回写"全链路。
本篇把 pandas 真正接到生产数据库上，覆盖 **SQLAlchemy 连接、建表 DDL、read_sql 读取、to_sql 写入、参数化查询防 SQL 注入、chunksize 大批量写入、pandas 操作与 SQL 语句对照表**，以及时区/类型映射/字符集/事务四大常见坑。前置知识：已掌握[第 22 章](22-数据读写进阶.md)的数据库读写基础、会写基础 SELECT/JOIN/GROUP BY。学完后你能独立搭一条"CSV → 清洗 → 入库 → SQL 反查 → 报表"的数据管道，并自信应对面试中"pandas 怎么连 MySQL"这类题。
本篇是 pandas 面试系列的第三篇，模拟真实面试中的"手写代码"环节，精选 10 道高频实战场景题，覆盖数据清洗（缺失/重复/异常值）、统计报表（部门/品类汇总）、复杂业务（每类 Top3、Cohort 留存、rolling 滑动统计、连续登录）以及 pandas 与 SQL 对照写法。前置知识：建议先读完[第 30 章](30-pandas面试题精讲：基础篇.md)与[第 31 章](31-pandas面试题精讲：进阶篇.md)，并熟练掌握 groupby、merge、pivot_table、rolling。学完后你能在白板/面试机考中 5~10 分钟内写出一道完整题，做到"思路清晰、代码可跑、追问接得住"。
本篇是 pandas 面试题精讲的进阶篇，专攻最能拉开差距的六大考点：groupby 聚合三兄弟（agg/transform/filter）、merge 的四种 join 方式、pivot_table 与 crosstab 的区别、时间序列的重采样/rolling/shift、向量化性能优化，以及 MultiIndex 高级操作。每道题按"题目 → 考点分析 → 参考答案代码（带注释）→ 追问与延伸"组织，文末配速查表与易错点。前置知识：已读完[第 13 章分组聚合](13-分组聚合：groupby.md)、[第 11 章数据合并](11-数据合并：concat-merge-join.md)、[第 14 章时间序列](14-时间序列分析.md)、[第 17 章 MultiIndex](17-高级索引与MultiIndex深度实战.md)。学完后你能从容应对中高级 pandas 面试。
