课程试听
1-1 数据分析概述
- 1.数据分析背景 免费试学
- 2.什么是数据分析 免费试学
- 3.数据分析的应用场景 免费试学
- 4.数据分析的流程 免费试学
- 5.Python做数据分析的优势 免费试学
- 6.Ancoda的介绍 免费试学
- 7.Anaconda的安装及使用 免费试学
- 8.Jupyter-Notebook的启动 免费试学
- 9.Jupyter的界面介绍及其使用 免费试学
- 10.常见数据分析工具 免费试学
1-2 科学计算库NumPy
- 1.认识Numpy数组对象
- 2.创建Numpy数组
- 3.ndarray对象的数据类型
- 4.数组的运算
- 5.数组的索引和切片的基本使用
- 6.花式(数组)索引的基本使用
- 7.布尔索引的基本使用
- 8.数组的转置和轴对称
- 9.Numpy通用函数
- 10.将条件逻辑转为数组运算
- 11.统计相关的函数使用
- 12.数组排序
- 13.检索数组元素
- 14.线性代数模块
- 15.随机数模块
1-3 数据分析工具Pandas
- 1.Series
- 2.DataFrame
- 3.索引对象
- 4.重置索引
- 5.索引操作
- 6.算术运算与数据对齐
- 7.数据排序
- 8.统计计算与描述
- 9.认识层次化索引
- 10.层次化索引的操作
- 11.读写文本文件
- 12.读写Excel文件
- 13.读写HTML表格数据
- 14.读写数据库
- 15.案例-北京高考分数线统计分析
1-4 数据预处理
- 1.空值和缺失值的处理
- 2.重复值的处理
- 3.异常值处理
- 4.更改数据类型
- 5.轴向堆叠数据
- 6.主键合并数据
- 7.根据行索引合并数据
- 8. 重塑层次化索引
- 9. 合并重塑数据
- 10.轴向旋转mp4
- 11.重命名轴索引
- 12.离散化连续数据
- 13.哑变量处理类别型数据
- 14.案例—预处理部分地区信息
1-5 数据聚合与分组运算
- 1.分组与聚合的原理
- 2.通过groupby()方法将数据拆分成组
- 3.使用内置统计方法聚合数据
- 4.面向列的聚合方法
- 5.数据转换
- 6.数据应用
- 7.案例—运动员信息的分组与聚合
1-6 数据可视化
- 1.什么是数据可视化
- 2.常见的图形
- 3.数据可视化的工具
- 4.通过figure()函数创建画布
- 5.通过subplot()函数创建单个子图
- 6.通过subplots()函数创建多个子图
- 7.通过add_subplot()方法添加和选中子图
- 8.添加各类标签
- 9.绘制常见图表
- 10.本地保存图形
- 11.可视化数据的分布
- 12.用分类数据绘图
- 13.认识Bokeh库
- 14.通过Plotting绘制图形
- 15.案例—画图分析某年旅游景点数据
1-7 时间序列分析
- 1.创建时间序列
- 2.通过时间戳索引选取子集
- 3.创建固定频率的时间序列
- 4.时间序列的频率、偏移量
- 5.时间序列的移动
- 6.创建时期对象
- 7.时期的频率转换
- 8.重采样方法（resample）
- 9.降采样
- 10 升采样
- 11.数据统计—滑动窗口
- 12.时序模型—ARIMA
1-8 文本数据分析
- 1.NLTK与jieba概述
- 2.安装NLTK和下载语料库
- 3.jieba库的安装
- 4.预处理的流程
- 5.分词
- 6.词性标注
- 7.词形归一化
- 8.删除停用词
- 9.文本情感分析
- 10.文本相似度
- 11 文本分类
- 12.案例—商品评价分析
1-9 数据分析实战——北京租房数据统计分析
- 1 数据读取
- 2.重复值和空值处理
- 3.数据转换类型
- 4.房源数量、位置分布分析
- 5.户型数量分析
- 6.平均租金分析
- 7.面积区间分析