课程咨询、获取课件、技术交流直接加入博学谷在线学习：631731828

课程简介

本课程采用理论与案例相结合的形式，以Anaconda为主要开发工具，系统全面地介绍了Python数据分析的相关知识。如：数据分析的基本概念，以及开发工具的安装和使用；Python数据分析的常用库及其应用，涵盖了科学计算库NumPy、数据分析库Pandas、数据可视化库Matplotlib、Seaborn与Bokeh，较为全面地讲述了Python数据分析技术等。

适合人群

本课程适合有一定Python基础，想要快速提升且深入学习Python数据分析或者数据可视化的人员使用。

主讲内容

本课程基于Python 3，系统全面地讲解了Python数据分析的基础知识。

第1部分：

主要是带领大家了解数据分析，包括数据分析产生背景、什么是数据分析、数据分析的应用场景、数据分析的流程、开发工具的基本使用及常见数据分析工具等。通过本章的学习，希望大家能够对数据分析有一个初步的认识，并为后续章节的学习准备好开发环境。

第2部分：

主要针对科学计算库NumPy进行讲解，包括创建数组、数据类型、数组运算、索引和切片操作、转置和轴对称、通用函数、使用数组处理数据、线性代数模块及随机数模块等，并结合酒鬼漫步的案例，讲解如何使用NumPy数组参与简单的运算。希望读者能熟练使用NumPy包，为后面章节的学习奠定基础。

第3部分：

主要介绍的是Pandas的基础功能，包括数据结构分析、索引操作、算术运算与数据对齐、数据排序、统计计算与描述、层次化索引和读写操作，并结合北京高考分数线的分析案例，讲解如何使用Pandas操作数据。通过对本章的学习，希望大家可以用Pandas实现简单地操作，为后续深入地学习打好扎实的基础。

第4部分：

进一步介绍了Pandas的数据预处理，包括数据清洗、数据合并、数据重塑和数据转换，并结合预处理部分地区信息的案例，讲解了如何利用Pandas预处理数据。数据预处理是数据分析中必不可少的环节，希望大家要多加练习，并能够在实际场景中选择合理的方式对数据进行预处理操作, 另外还可以参考官网提供的文档深入地学习。

第5部分：

继续介绍了Pandas的聚合与分组运算，包括分组聚合的原理、分组操作、数据聚合及其它分组级运算，并结合运动员基本信息的案例，讲解如何在项目中应用分组与聚合运算。大家在学习与理解的同时，要多加练习，可根据具体情况选择合理的技术进行运用即可。

第6部分：

介绍了几个数据可视化工具，包括Python 2D绘图库Matplotlib、绘制统计数据的库Seaborn和交互式可视化的库Bokeh，并结合某年旅游景点的案例，讲解如何使用Matplotlib库绘制图表辅助分析。希望通过本章的学习，读者可以体会到在数据分析中运用可视化的好处。

第7部分：

围绕着时间序列数据分析进行了介绍，包括创建时间序列、时间序列的索引和切片操作、固定频率的时间序列、时间周期与计算、重采样、滑动窗口及时序模型ARIMA，并结合预测股票收盘价的案例，讲解了在项目中如何用时序模型对时间序列数据进行预测分析。通过对本章内容的学习，读者应该掌握处理时间序列数据的一些技巧，并灵活加以运用。

第8部分：

主要针对文本数据分析进行讲解，包括文本数据分析的工具、文本预处理、文本情感分析、文本相似度和文本分类，并结合商品评论分析的案例，讲解了如何利用NLTK与jieba预处理和分析文本数据。希望通过对本章知识的学习，读者可以理解文本数据分析的原理，以便后续能基于机器学习更深入地去探索。

第9部分：

这部分是一个完整的实战项目，用于统计分析当前北京租房的信息，包括数据收集、预处理数据、数据分析，以及利用图表展现数据。希望通过对本章的学习，读者能够灵活地运用数据分析的技术，具备开发简单项目的能力。

学完收获

本课程涉及的Python数据分析和可视化的学习内容是很丰富的，读者学完后，能够具备以下能力：

1.能够全面地掌握数据分析常见库的使用，例如Numpy、Pandas、Matplotlib、Seaborn、Bokeh库等

2.能够掌握数据清洗、分组和聚合等常见方法

3.能够掌握和时间序列、文本序列相关的数据分析

4.能够结合配套案例，提高动手能力，可以独立对数据进行处理分析及其可视化，真正做到举一反三。

内容版权声明：除非注明，否则皆为本站转载文章。文章及图片版权归原作者所有，如有侵权请联系我们，我们立刻删除。