?

第1章 Python數(shù)據(jù)分析概述

1．數(shù)據(jù)分析的概念、流程、應用場景

2．數(shù)據(jù)分析常用的工具、python數(shù)據(jù)分析的優(yōu)勢、常用類庫的介紹

3．Jupyter Notebook的安裝及使用

?

?

第2章 Numpy數(shù)值計算基礎

1．ndarray的創(chuàng)建、訪問、常用屬性

2．矩陣的創(chuàng)建

3．通用函數(shù)ufunc

4．廣播機制

5．數(shù)學知識

6．簡單統(tǒng)計分析，讀寫文件、排序、去重、常用統(tǒng)計函數(shù)

?

?

第3章 Pandas統(tǒng)計分析基礎

1．Series常用操作

2．DataFrame常用操作

3．讀寫不同數(shù)據(jù)源

4．數(shù)據(jù)過濾與轉換

5．時間序列操作

6．分組與聚合

7．透視與交叉表

?

?

第4章 利用pandas進行數(shù)據(jù)預處理

1．合并數(shù)據(jù)，堆疊合并、主鍵合并、重疊合并

2．清洗數(shù)據(jù)，處理重復值、缺失值、異常值的處理

3．標準化數(shù)據(jù)，離差標準化、標準差標準化、小數(shù)定標標準化

4．轉化數(shù)據(jù) ，類別型特征處理為啞變量，連續(xù)性特征離散化處理

?

?

第5章? 數(shù)據(jù)可視化

1．數(shù)據(jù)可視化概述

2．常用圖表，如柱狀圖、餅狀圖、直方圖、箱線圖等的介紹

3．matplotlib繪圖基礎，如基礎語法、rc參數(shù)、標簽刻度、子圖等

4．matplotlib繪圖實戰(zhàn)

5．pandas繪圖實戰(zhàn)

第6章 機器學習與挖掘建模

1．機器學習概述

2．機器學習分類

3．機器學習流程

4．機器學習評估

5．經典機器學習算法原理剖析，如 knn、kmeans、樸素貝葉斯、決策樹、線性回歸、邏輯回歸、支持向量機、關系分析等

6．關聯(lián)規(guī)則算法

7．時序模式

8．物體推薦算法

9．使用sk-learn建模，包括數(shù)據(jù)集劃分、數(shù)據(jù)預處理、模型訓練、模型評估等

第7章? 數(shù)據(jù)分析與挖掘實戰(zhàn)案例