376页笔记,Python数据分析技能全拆解

菜鸟学Python

共 1548字,需浏览 4分钟

 ·

2022-07-10 14:12

数据分析相关工作受到越来越多的青睐。python作为数据分析编程语言的首选有着无可比拟的自身优势:

1).语法简洁,适合初学者入门

2).拥有一系列成熟的库及工具

3).强大的通用编程能力

4).方便对接其他语言

学会数据分析可洞察业务、市场规律,依赖数据做出超前的商业决策,职场收益长久,越老越吃香,外部影响较小,职业稳定。随着越来越多知名企业依赖数据做出关键决策,对数据分析人才的需求与日俱增。

这份资料从基础到实战,教你如何用python做数据分析。详解如何用Python对数据进行处理和清洗。从Python基础知识、数据结构到数据加载存储、数据清晰和准备、数据加工、绘图和可视化、数据汇总以及一些常用算法,一一为你拆解。融入了数据分析必备的库及工具的使用教程。内容非常详细,代码清晰可复制。案例丰富,非常适合python数据分析学习。

python数据分析最新版,采用python3.6版本。


资料目录



CHAPTER 1:预备知识
1.1 这本书是关于什么的
1.2 为什么使用Python做数据分析
1.3 一些重要的Python库
1.4 安装和设置
1.5 (社区和讨论组)+ 私货
1.6 本书导航


Chapter 2: Python语言基础,Ipython和Jupyter Notebooks
2.1 python解释器
2.2 IPython基础
2.3 Python语言基础


Chapter 3: 内建数据结构,函数和文件
3.1 数据结构与序列
3.2 函数
3.3 文件以及操作系统


Chapter 4: NumPy基础:数组和向量化计算
4.1 ndarray: 多维数组对象
4.2 通用函数:快速点对点数组函数
4.3 数组导向编程
4.4 通过数组来进行文件的输入和输出
4.5 线性代数
4.6 伪随机数生成
4.7 例子:随机漫步


Chapter 5: 开始使用pandas
5.1 pandas的数据结构
5.2 主要功能
5.3 汇总和描述性统计


Chapter 6: 数据加载,存储,文件格式
6.1 以文本格式读取和写入数据
6.2 二进制数据格式
6.3 网络相关的API交互
6.4 与数据库的交互


Chapter 7: 数据清洗和准备
7.1 处理缺失数据
7.2 数据变换
7.3 字符串处理


Chapter 8: 数据加工:加入, 结合, 变型
8.1 分层索引
8.2 合并数据集
8.3 整形和旋转


Chapter 9: 绘图和可视化
9.1 简单的matplotlib API入门
9.2 用pandas和seaborn绘图
9.3 其他一些Python可视化工具


Chapter 10: 数据汇总和组操作
10.1 分组机制
10.2 数据聚合
10.3 应用:通用的分割-应用-合并
10.4 数据透视表和交叉表


Chapter 11: 时间序列
11.1 日期和时间数据类型及其工具
11.2 时间序列基础
11.3 日期范围,频度,和位移
11.4 时区处理
11.5 周期和周期运算
11.6 重采样和频度转换
11.7 移动窗口函数


Chapter 12: 高级pandas用法
12.1 类别数据
12.2 高级GroupBy用法
12.3 方法链接的技巧


Chapter 13: Python中建模库的介绍
13.1 pandas与建模代码间的交互
13.2 利用Patsy创建模型描述
13.3 statsmodels简介
13.4 scikit-learn简介


Chapter 14: 数据分析实例
14.1 USA.gov数据集
14.2 MovieLens 1M数据集
14.3 1880年至2010年美国婴儿姓名
14.4 美国农业部食品数据库
14.5 2012联邦选举委员会数据库







扫描下方二维码

备注“数分笔记领取

浏览 40
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报