一.关于我：不止于代码的多面手
- 我的兴趣：在热爱里收获成长
生活中的我，总喜欢在艺术相关的领域折腾。从初中开始，我就爱上了跳舞，第一次跟着视频练基础动作时，肢体僵硬得像 “机器人”，连简单的 wave 都做不流畅，反复练习后还总跟不上节奏。但我没放弃，每周坚持练 3 次，每次 2 小时，压腿、练体能时疼到出汗也咬牙扛着。慢慢到高中，我已经能和舞伴一起编排舞蹈，在学校文艺汇演上表演 —— 当台下响起掌声，聚光灯落在身上时，那种被认可的喜悦，比考了高分还让人激动。
除了跳舞，羽毛球也是我生活里的 “重要伙伴”。从高中开始，我就被羽毛球这项运动吸引 —— 第一次拿起球拍时，连发球都发不到对方场地，接发球更是频频漏接，每次和同学打球都输得一塌糊涂。但我没气馁，每天放学后留在操场练 1 小时，从握拍姿势、发球动作学起，还专门看羽毛球比赛视频，模仿专业选手的击球技巧。为了提升水平，我每周练 2 次，从基础的高远球、网前小球，到进阶的杀球、吊球，每一个动作都反复打磨。记得有次练杀球，手臂酸到抬不起来，就这样咬牙坚持，才慢慢掌握打羽毛球的技巧。
上了大学后我也没有丢下这项运动，偶尔会跟很多志同道合的朋友一起打羽毛球，学会了团队协作 —— 比如双打时，和搭档要默契配合，互相补位，才能赢得比赛。羽毛球教会我的 “专注” 和 “坚持”，现在也帮我更快进入学习状态，遇到难题时，就像打球遇到强劲对手一样，不会轻易放弃。 - 我的闪光点：靠 “死磕” 练出的记忆与整理能力
很多人说 “找不到自己的优势”，其实我以前也这么觉得，直到发现自己在记忆和信息整理上比身边人强一些。比如背专业名词，同学可能要花 1 小时，我大概 30 分钟就能记住，还能串联起知识点之间的逻辑。
但这可不是 “天赋”，而是靠刻意练习来的。高中时为了应对政治的大量知识点，我每天花 40 分钟练 “思维导图记忆法”—— 先把知识点拆成框架，再填细节，最后用联想的方式记住。一开始效果不明显，坚持了半年后，记忆效率才慢慢提上来。到了大学，我又把这个方法用到专业课程上，比如整理《数据结构》里的树、图等知识点，不仅记得牢，做题时也能快速联想到对应的考点。
另外，我还很擅长文档整理。每次小组作业，最后汇总资料、排版报告的活儿基本都是我来做 —— 能把杂乱的实验数据、代码笔记，整理成清晰易懂的文档。
二、现状、经验和计划：在数据可视化课程里补短板、定方向 - 技能树与技术偏好：清楚 “会什么”“要学什么”
作为大三学生，前两年学了《大数据导论》《数据结构》《MySQL》《数据挖掘》等课程，现在对自己的专业能力有清晰认知：
（1）已具备的能力
能力 A：MySQL 基础操作：能熟练写 SELECT、INSERT、DELETE 等 SQL 语句，会做多表连接、分组统计，比如在 “学生选课系统” 课程作业中，能独立设计表结构，写出 “查询某门课最高分学生信息”“统计每个院系选课人数” 等复杂查询语句。
能力 B：数据基础认知：通过《大数据导论》和《数据挖掘》，了解大数据 “采集 - 清洗 - 分析 - 可视化” 的完整流程，能看懂简单的数据分析报告，知道用均值、中位数描述数据集中趋势，用方差描述离散程度。
能力 C：简单文档与 PPT 制作：因为喜欢表达，我很擅长把复杂内容转化为易懂的文档或 PPT。
（2）感兴趣的技术方向
我对数据可视化特别感兴趣！之前在《数据挖掘》课上，老师用图表展示分析结果，比纯文字直观太多 —— 比如用折线图看数据趋势，用饼图看占比，一下子就能抓住重点。我觉得好的可视化能让 “冰冷的数据” 说话，尤其是以后做政务相关工作，把复杂数据做成易懂的图表，能帮更多人理解信息。
（3）缺少的能力
编程能力薄弱：只会写简单的 C 语言代码（比如冒泡排序、链表增删），Python 刚入门，连基础的列表、字典操作都不熟练，更别说用 Matplotlib、Seaborn 做可视化了；
可视化工具实操不足：对 Tableau、Power BI 等工具，只在课本上见过，没实际用过，不知道怎么把数据转化为好看又实用的图表；
项目经验缺失：没做过完整的数据可视化项目，不知道从 “拿到原始数据” 到 “输出可视化报告” 的全流程该怎么推进。
（4）对数据可视化课程的期待
希望通过这门课，掌握 Python 可视化库（Matplotlib、Seaborn）和基础工具（如 Tableau）的用法，把该掌握的技术都学会，有条件的话再拓展些进阶技巧，比如交互式可视化。课程实践中，想先从 “数据整理 + 图表辅助” 的角色做起，帮小组整理原始数据，跟着队友学编程，慢慢参与到可视化实现中。 - 未来规划：先考公、再入专业公司
我的目标是先参加公务员考试，争取一次上岸，如果不行再考虑进专业对口的大数据公司
（1）为未来的准备
考公方面：每天花 2.5 小时备考，1.5 小时刷行测（重点练资料分析、判断推理，这两块和数据能力相关），1 小时看申论素材（积累政务相关案例，比如 “大数据优化政务服务”“智慧社区建设” 等），还加入了公考打卡群，和同学互相监督。
专业能力方面：怕考公期间专业知识脱节，每天抽 1 小时学 Python 基础，跟着网上的入门课写代码，比如 “用 Python 统计文本字数”“计算数组平均值”，慢慢打基础。
（2）我的优势与劣势
优势：① 对政务数据感兴趣，学习相关知识有动力，以后做公务员能更快适应；② 演讲和表达能力强，适合把数据结果汇报给他人；③ 有坚持的习惯，能长期备考和学习。
劣势：① 编程基础差，以后进公司可能跟不上技术节奏，需要现在补；② 对岗位的具体工作内容不了解，不知道该重点学哪些技能。
（3）本学期规划
考公：每周刷 4 套行测题，总结错题；精读 3 篇申论范文，仿写 1 篇；
数据可视化课程：课前预习课本，课上认真记笔记，课后花时间练代码，每周完成 1 个小练习（比如 “用 Python 画折线图”）；
平衡：每周留 3 小时读书、2 小时打羽毛球，避免学习太枯燥。 - 代码量：正视差距，慢慢追赶
（1）目前的代码量
C 语言：约 600 行（主要是数据结构课程实验，比如二叉树遍历、栈的应用）；
SQL：约 500 行（课程作业和练习，比如学生系统、选课系统的查询语句）；
Python：约 100 行（刚学的基础语法，比如循环、条件判断，简单的数值计算）。
（2）入职一流公司的代码量目标
问了学长学姐，入职一流互联网、人工智能或大数据公司，至少需要累计 1-2 万行代码量，而且得是 “有意义的代码”—— 比如完整的项目开发、复杂的可视化实现，不是重复写简单语句。现在我的代码量差很多，所以这学期要在数据可视化课程里多练。 - 时间投入与代码量计划：用 WOOP 方法定目标
（1）每周时间投入
前两年我确实浪费了不少时间，比如把太多时间花在刷短视频上，没认真学编程。现在大三了，必须发奋赶上！所以我打算D：比以前课要多很多，直到达到目标为止—— 每周拿出 14 小时用在数据可视化课程上（包括 2 小时上课时间，12 小时课后学习：看课件、练代码、做练习）。
（2）代码量目标
课程结束时：完成 2500 行代码（主要是 Python，占 2000 行，重点是可视化相关代码；C 语言和 SQL 补充 500 行）；
每周完成量：按 18 周学期算，每周需要完成约 140 行代码。
（3）WOOP 方法落地计划
第一步：Wish（愿望）：本学期数据可视化课程结束时，能独立用 Python（Matplotlib/Seaborn）完成 “某城市月度气温数据可视化” 项目 —— 包括数据清洗、画折线图（看气温趋势）、柱状图（看每月平均气温）、箱线图（看气温分布），代码量达到 2500 行，掌握基础可视化技能。
第二步：Outcome（结果）：如果愿望实现了，不仅能通过课程考试，还能在简历上加一个可视化项目；以后考公面试，若被问到 “专业技能”，能举例说明；就算进公司，也有了入门的可视化能力，不用从零开始。想到以后能把数据做成好看的图表，就觉得特别有动力！
第三步：Obstacles（障碍）：最可能的障碍是 “畏难 + 拖延”。比如看到复杂的 Python 代码，就觉得 “我肯定学不会”，然后不想动笔；或者计划晚上练代码，却总想着 “先刷 10 分钟视频再学”，结果刷到半夜，代码一点没写。以前很多次没学好，都是因为这两个问题。
第四步：Plan（if then 计划）：① 如果看到复杂代码想放弃，就把代码拆成小步骤，先学第一步（比如先学 “导入 Matplotlib 库”），完成后给自己奖励（比如听一首古筝曲）；② 如果想刷视频拖延，就把手机放在另一个房间，用 “番茄 Todo” 计时，每专注 30 分钟休息 5 分钟，休息时只喝水、拉伸，不碰手机。 - 课程反馈态度：主动提问、认真反馈
我会选择有问题就问，至少一学期提三个问题，认真按时填写反馈。
以前总觉得 “提问会显得自己笨”，有问题不敢问，结果越积越多。现在想通了，老师就是来帮我们解决问题的。比如数据可视化课上，如果没听懂 “怎么用 Matplotlib 调整图表颜色”，我会课后找老师请教；填写课程反馈时，也会认真写 “这节课的案例很实用”“希望多讲些 Python 可视化的实操步骤”—— 好的课程需要老师和学生一起打磨，我的反馈说不定能帮到更多同学。
三、最后：写给自己的小约定
其实我也怕自己 “立了 flag 却没做到”，但这次想和自己约定：每天花 5 分钟写 “学习日记”，记录当天学了多少代码、有没有拖延，第二天怎么改进。如果最后没学好，最可能的原因是 “没坚持住专注”，所以我会把 “专注 30 分钟” 作为小目标，慢慢积累。
希望期末再看这篇博客时，能笑着说 “我做到了”！也祝大家在数据可视化课程里都能有所收获～